热点事件持续更新
人大提出Agent-Reflex智能体主动反思训练框架
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026 年 10 月 14 日，据 AGI Hunt 报道，中国人民大学 NLPIR 团队提出 Agent-Reflex，一个让智能体学会主动反思的通用训练框架。该框架采用三阶段训练：RSD 环境反思技能发现、ReSFT 反思监督微调，以及 ORPO 在线反思策略优化。基于 Qwen3-8B，Agent-Reflex 在五个长程工具使用基准上整体得分 58.6，在 AgentNoiseBench 上得分 29.1，代码已开源。目前为单篇报道披露的方法与评测结果，暂无后续进展或相互矛盾的说法。
AI 根据报道生成 · 2 小时前更新
最新进展10月14日 15:17
人大 NLPIR 发布 Agent-Reflex：三阶段训练让智能体主动反思，五项基准 58.6 分，代码开源。报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- AGI Hunt人大 Agent-Reflex：三阶段训练让 Agent 学会主动反思，五项基准 58.6 分
中国人民大学 NLPIR 团队提出 Agent-Reflex，一个让智能体学会主动反思的通用训练框架。它分 RSD 环境反思技能发现、ReSFT 反思监督微调、ORPO 在线反思策略优化三阶段训练。基于 Qwen3-8B，Agent-Reflex 在五个长程工具使用基准上整体得分 58.6，AgentNoiseBench 上 29.1，代码已开源。
本事件热度走势
当前热度 9·可比范围峰值 10（10月14日 16:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。