AGI Hunt· mohitban47·· 3 小时前AI 评分42
MiRL：8 类错误占 52% 失败步骤，用 35% rollout 训平 Terminal Agent
8 类错误占 52% 失败步骤，MiRL 用 35% 算力训平 Terminal Agent
AI 导读
研究者提出错误驱动强化学习方法 MiRL，仅用 35% 的 rollout 量和 189 个训练环境，便在 Terminal-Bench Lite 上超过 TMax-4B、在 Terminal-Bench 2.1 上与之持平。
来源：AGI Hunt · agihunt.info