ROSS 复用历史 rollout 做选择性监督

2026 年 9 月 30 日，AGI Hunt 报道了一种名为 ROSS 的方法：它以完整的历史 rollout 作为上下文，只对选定的模型生成片段施加 loss，从而把原本被丢弃的自生成轨迹经离线 SFT 复用为行为经验，实现选择性监督。报道称，该方法在 SWE-bench Verified 上提升了 4.2 个百分点。目前公开信息仅涉及该方法的思路与这一评测结果，未见更多实验细节或后续进展。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。