arXiv · Machine Learning· Runchu Tian, Zaid Khan, Zun Wang, Justin Chih-Yao Chen, Mohit Bansal·· 10 小时前AI 评分48
MiRL：面向纠正终端智能体不当行为的错误定向强化学习
MiRL: Error-Targeted Reinforcement Learning for Correcting Terminal Agent Misbehaviors
AI 导读
MiRL 针对终端智能体反复出现的可泛化错误行为，提出强化学习纠正方法。在 Qwen3.5-4B 上，8 种行为占错误步骤的 52.1%，训练后在未见前缀中的复现率平均下降 43%–57%。
来源：arXiv · Machine Learning · arxiv.org