跨上下文重置拼接 episode：长度自适应 GAE 保住早期信用
anirudhg9119 · x · 2026-10-14
推文串处理长程 episode 的工程细节：长 episode 装不进单个上下文，auto-compaction 会在人为边界切分轨迹，若视之为终止会使信用偏差。MIRA 在每次决策时重置上下文，但把所有迭代的元推理决策拼回一个逻辑 episode，只有真正终止才停止 bootstrap，信用流动如同 episode 从未被切分。优势估计用长度自适应 GAE，使长 episode 中最早的决策仍对最终回报保有较大权重。
所属事件:MIRA-AC:用代理反馈与分层架构训练自动科研智能体(14 条相关)→
「编程与Agent」频道最新
- 14 款语音 Agent 实测:开着电视,任务完成率从 38.7% 暴跌至 8.6% — SIGKITTEN · 2026-10-14
- TypeSafe AI 的 Jev 号称比前沿 LLM 快 100 倍，可替代 9 类调用 — Arindam_1729 · 2026-10-14
- Gemini 4 Argon High『马提示词』实测:OpenCode V2 跑 Antigravity agent — ZealousidealTown1974 · 2026-10-14
- Buoy 实测:给 Claude 配 MCP 工具,任务快 6 倍、成本省一半 — LovesWorkin · 2026-10-14
- LMArena 上线 Code Arena,可实测模型 WebDev 能力 — arena · 2026-10-14
- 开源 msgblast:在 Mac 上一屏群发 prompt 对比多个 AI Agent — msg · 2026-10-14