RUC-NLPIR 提出 Agent-Reflex：讓 Qwen3-8B 在雜訊環境中反思並恢復
研究團隊開發了一套訓練框架，解決語言代理在真實環境中遇到工具錯誤或使用者糾正時缺乏學習監督的問題。
- 本站上線
- 2026/10/19 上午12:18
- 首次報導
- 2026/10/13 上午08:00
- 最早來源發布
- 2026/10/13 上午08:00
研究在做什麼
目前語言代理通常在理想化的乾淨環境中訓練，但部署時會面臨工具回傳雜訊（如逾時、權限拒絕）或使用者中途糾正的情況。RUC-NLPIR Lab 的研究指出，現有方法在反思學習與失敗恢復方面提供的監督有限，導致代理無法有效偵測並從這些失敗中恢復。 官方原文・github.com Hugging Face 每日精選論文
方法
Agent-Reflex 將反思視為可學習的元技能，分為三個階段：首先透過環境反思技能發現（RSD，Environment Reflection Skill Discovery，在環境縮放中注入基於真實的工具回饋擾動），挖掘出 1,170 個反思元技能；接著進行反思監督微調（ReSFT，Reflective Supervised Fine-Tuning），將這些技能轉化為自我反思、技能恢復與使用者糾正的監督資料；最後結合雜訊代理強化學習與同策略反思策略優化（ORPO，On-Policy Reflective Policy Optimization，結合雜訊互動下的代理強化學習與反思引導的同策略蒸餾），在訓練中提供密集的反思監督，而部署時則不需依賴這些技能。 Hugging Face 每日精選論文 官方原文・github.com
結果
在 Qwen3-8B 模型上，Agent-Reflex 在五個長程工具使用基準測試中達到 58.6 的整體分數，較底層模型（Qwen3-8B）提升 18.4 分，較 EnvScaler-8B 提升 7.7 分。在 AgentNoiseBench 上得分為 29.1，是所有 8B 級別方法中最高的。研究也在六個基準測試中驗證了該框架的有效性，顯示其能提升代理對雜訊的魯棒性並保持穩定的訓練動態。 Hugging Face 每日精選論文 官方原文・github.com
程式碼與資料
本站 2026-10-19 整理（資料來自 Hugging Face 論文頁與 GitHub，由程式查詢，不經模型撰寫）：
- 研究機構（Hugging Face 標示）：NLPIR Lab @ RUC
- 程式碼：RUC-NLPIR/Agent-Reflex｜230 顆星｜最後更新 2026-10-14｜授權 MIT
- 公開模型：dongguanting/Agent-Reflex-8B
- 公開資料集：dongguanting/Agent-Reflex-SFT-54K、dongguanting/Agent-Reflex-RL-2K
- 線上展示：tardellirs/paper-pulse
來源：佐證 2 筆
官方原文當事公司或機構自己發布的文件
媒體轉述新聞媒體的報導
- Hugging Face 每日精選論文 · Agent-Reflex: Teaching Language Agents to Act Reflectively10/13 上午08:00
這篇對你有用嗎？
登入會員後可以按反應與留言。登入
留言 0
- 還沒有留言。
留言公開顯示暱稱，不顯示你的真實姓名與信箱。含多個連結或疑似廣告的留言會先經編輯確認；檢舉達 3 次的留言會自動隱藏。隱私政策
發現錯誤？
回報會進入待處理清單；核實後更正，並在文中註記更正紀錄。