Agent-Reflex：研究者提出语言智能体反思训练框架

Agent-Reflex论文作者团队发表论文，提出面向语言智能体的通用反思训练框架Agent-Reflex，包含环境反思技能发现（RSD）、反思监督微调（ReSFT）和在策略反思策略优化（ORPO）三个阶段。 该框架基于Qwen3-8B构建，论文作者称在五项长视野工具使用基准上取得58.6的综合得分，在AgentNoiseBench上得29.1。代码已在GitHub仓库RUC-NLPIR/Agent-Reflex开源。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。