Salesforce 提出 SRD：让 Agent 用前瞻对齐后见之明来学习
lupantech · x · 2026-10-21
Salesforce AI Research 联合 UCSD、斯坦福等机构推出 Self-Retrospection Distillation（SRD），解决 Agent 训练中「只从事后学习、无法预见风险」的问题。
方法要点：
- 前瞻学习（Prospective Learning）：行动前先形成 Foresight 预测，行动后从 traces 提炼 Hindsight，再用散度 D(pfore||phind) 对齐两者，让模型学会「本该预见到什么」
- 与 RLVR（GRPO/DAPO 等，每条轨迹只有一个标量奖励）和 Retrospective 类方法（OPSD/SkillRL，事后经验仅作为上下文回填）不同，SRD 直接把后见之明蒸馏进前瞻预测
- 可从每一次 rollout 学习，包括全失败的组
- 零额外测试时推理成本
代码已开源：github.com/SalesforceAIResearch/SRD
「编程与Agent」频道最新
- 博主把 AI agent 搬进"合租屋"，三个模型瘫成水洼躺平 36 小时 — liminal_bardo · 2026-10-21
- 爸爸用 Codex 办公时远程抓包：孩子趁看管在 Portal 上偷看 YouTube — msg · 2026-10-21
- 开发者称发现 Jai 版 Campfire 服务器 2 倍吞吐量改进线索 — lucasmeijer · 2026-10-21
- PhD 学者开源 Homecoming：一键聚合 2000+ 网站个人数据训练用户模型 — kenziyuliu · 2026-10-21
- Qwen Code 发布 v0.25.3 nightly:托管 Agent 会话与 Skill 热刷新增强 — qwen-code-review-bot · 2026-10-21
- 多 agent 自治实战八条心得：文档膨胀、审查失控与「别改」无用 — menhguin · 2026-10-21