Meta 新论文提出 RSD：智能体可从自身失败轨迹中学习
Meta 新论文：智能体可从自身失败轨迹中学习
Meta 新论文提出 RSD 方法，让同一模型在任务结束后回看每一步并打分，从而从未标注对错、也无奖励的智能体运行记录中学习。ScienceWorld 上 Qwen3-14B 成功率从 12.9% 升至 20.6%，ALFWorld 上 Qwen3-8B 达 76.6%，超过所有被测方法，包括获得奖励或标准答案的方法。
Rohan Paul· @rohanpaul_ai · X·2026-10-23 13:54· 32 分钟前AI 评分47
AI 导读
Meta 新论文提出 RSD 方法，让同一模型在任务结束后回看每一步并打分，从而从未标注对错、也无奖励的智能体运行记录中学习。ScienceWorld 上 Qwen3-14B 成功率从 12.9% 升至 20.6%，ALFWorld 上 Qwen3-8B 达 76.6%，超过所有被测方法，包括获得奖励或标准答案的方法。
正文 · 原文
Meta 的新论文发现，AI 智能体可以从自己过去的任务尝试中学习，即使这些尝试没有人标注对错——只要在知道结果后回看每一步即可。
大多数智能体运行记录既没有正确答案，也没有奖励，而标准训练恰恰依赖这些。RSD 让同一模型重读每一次已完成的运行，并已知其结局以及在类似任务上哪些做法有效。它为每个动作打分，智能体则从这些分数中学习。
在 ScienceWorld 上，Qwen3-14B 的成功率从 12.9% 升至 20.6%。在 ALFWorld 上，Qwen3-8B 达到 76.6%，超过所有其他被测方法，甚至包括那些获得奖励或标准答案的方法。
保留智能体未标注的运行记录（包括失败），并基于对这些记录的事后复盘进行训练。每轮都要重建复盘，因为冻结的笔记到第 3 轮时 ALFWorld 成功率仅为 59.7%，而使用新鲜笔记则为 67.9%。
来源：Rohan Paul · x.com
来源：RadarAI · aihot.news