人大 Agent-Reflex:三阶段训练让 Agent 学会主动反思,五项基准 58.6 分
RUC-NLPIR · hf · 2026-10-14
中国人民大学 NLPIR 团队提出 Agent-Reflex，一个激发智能体「主动反思」的通用训练框架，针对真实部署中 MCP 工具反馈带噪、用户干预纠错等场景：
- RSD 环境反思技能发现：向环境注入工具噪声扰动，采样能力多样的 LLM 池，挖掘成败对照轨迹并总结可复用的反思元技能。
- ReSFT 反思监督微调：把技能库转为自反思、技能恢复、用户中心纠错三类监督信号。
- ORPO 在线反思策略优化：在噪声交互下的智能体 RL 中结合反思引导的在策略蒸馏。
基于 Qwen3-8B，Agent-Reflex 在五个长程工具使用基准上整体 58.6，AgentNoiseBench 上 29.1，超过环境扩展与反思基线，代码已开源。
「编程与Agent」频道最新
- Schmidhuber 团队发布 JevGPT 双系统自主研究智能体 — _reachsumit · 2026-10-14
- Airbnb 客服案例:可移植 Agent 技能实现 99.2% 流程等价 RAG — _reachsumit · 2026-10-14
- 上线前让 Opus 派 4 个子代理排查 20 项拖慢网站的性能问题 — MartinGTobias · 2026-10-14
- 全程用 Claude Code 纯聊天造视频，SpaceX 纪录片零剪辑软件完成 — xiaohu · 2026-10-14
- 用户痛批微软 Copilot Cowork：落后业界一年、问题一大堆 — koltregaskes · 2026-10-14
- 让 agent 改一节课时间，它顺手改了免责声明还恢复旧价格 — StormController · 2026-10-14