热点事件历史事件

Meta提出RSD从无奖励尝试中学习

1 篇报道1 个报道来源4 天前更新

先了解这件事

AI 综述

2026年10月23日，Rohan Paul在X上介绍Meta的一篇新论文。论文提出RSD，让同一AI模型在任务结束后回看每一步并为动作评分，从没有正确答案和奖励的历史运行中学习。实验显示，在ScienceWorld上，Qwen3-14B的成功率从12.9%升至20.6%；在ALFWorld上，Qwen3-8B的成功率达到76.6%，高于测试的其他方法。论文还比较了每轮重建回溯内容与固定笔记：第3轮成功率分别为67.9%和59.7%。

AI 根据报道生成 · 59 分钟前更新

最新进展10月23日 13:54

论文称RSD可从无奖励运行中学习，并在两项环境测试中提升成功率。

报道时间线

沿着报道，了解事件的不同侧面。

10月23日

13:54
X：Rohan Paul (@rohanpaul_ai)
Meta 论文提出 RSD，让 AI 智能体从无奖励的历史尝试中学习
Meta 新论文提出 RSD，让同一模型在任务结束后回看每一步并为动作评分，从没有正确答案和奖励的运行中学习。ScienceWorld 上 Qwen3-14B 成功率从 12.9% 升至 20.6%，ALFWorld 上 Qwen3-8B 达到 76.6%，高于测试的其他方法；每轮重建回溯内容时，第 3 轮成功率为 67.9%，固定笔记则为 59.7%。