热点事件持续更新
纯RL后训练消除智能体工具调用死循环
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Datalab 的 Vik Paruchuri 在微调文档智能体时发现，仅用 SFT 后训练的模型，工具调用死循环率高达 92%；改用纯 RL 后训练后，这一比率降至 0。该智能体的任务是把科学 PDF 转换为 JATS XML，评测以 100 篇文章为基准。2026 年 10 月 6 日 AGI Hunt 报道了上述实测结果，作者据此认为 RL 后训练能够解决智能体反复调用同一工具的问题。目前该结论来自这一组基准测试，尚无其他来源的独立复现报道。
AI 根据报道生成 · 2 小时前更新
最新进展10月6日 03:58
Datalab 实测纯 RL 后训练把智能体工具调用死循环率从 92% 降至 0。报道时间线
沿着报道，了解事件的不同侧面。
10月6日
- AGI HuntDatalab 实测纯 RL 后训练让智能体工具调用死循环率从 92% 降至 0
Datalab 的 Vik Paruchuri 在微调文档智能体时发现，仅用 SFT 后训练的模型工具调用死循环率高达 92%，改用纯 RL 后训练后降至 0。该智能体的任务是把科学 PDF 转换为 JATS XML，评测以 100 篇文章为基准。作者据此认为 RL 后训练能够解决这一反复调用同一工具的问题。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。