研究論文2 個來源10/19 上午12:18
圖：本站依事件資料排版，不是新聞照片
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。
程式自動生成（qwen3.8:27b），未經人工審閱。每段附來源，門檻檢查通過後自動上線。
- Waypoint-OPD：利用閘控同策略蒸餾轉移強化學習策略偏移
研究提出 Waypoint-OPD，透過比較強化學習前後教師模型的動作偏好變化方向，篩選有效的蒸餾訊號。
研究論文1 個來源10/17 上午02:26自動生成
其他關鍵字Hugging Face 32Anthropic 29Claude Code 29OpenAI 22Nvidia 18vLLM 16claude 15Meta 13codex 12GitHub 12llama.cpp 12Amazon Bedrock 11MCP 11ollama 11SGLang 11AI 代理 10AWS 10Claude Opus 5.5 10Cursor 10ElevenLabs 10Google Cloud 9MoE 9RAG 8Databricks 7Python 7TypeScript 7輝達 7Amazon Bedrock AgentCore 6ElevenAgents 6Google DeepMind 6