OPRD：让代码智能体从失败轨迹中的提醒学习
训练时可见诊断提醒，部署时不带提醒，怎样避免把未来信息收益算成推理能力？
OPRD先生成无提醒的学生轨迹，再让带全局和局部提醒的教师在相同前缀上提供分布监督。成功轨迹做自模仿，失败轨迹用反向KL，目标是将提醒遵循内化到较小代码模型。
Yuechen Luo 等 / 清华大学、上海人工智能实验室、NUS阅读简报
2026.10.17 简报
每日研究 · 覆盖 2026.10.10 — 2026.10.17
以下为当期记录；研究详情页展示最新已核对信息。
3 项工作
模型已经学会，输出层却还没跟上？沿训练轨迹拆开表征与表达
同一个隐藏状态换一个读出器，能否解释早期能力评测的变化？
论文将最终隐藏状态中的可解码信息、模型原生输出和跨检查点读出扫描分开测量，再以参数轨迹稀疏字典追踪输出矩阵。主张是早期评测存在读出层滞后，不是已经找到通用能力增强算法。
Matteo He 等 / Cambridge、Flower、Isomorphic Labs阅读简报
SJC：压缩智能体记忆时，先问这条信息来自哪里
来源裁判能否阻止智能体将自己的推测写成长期记忆？
Source-Judged Compaction在既有摘要器后增加条目级来源检查：有环境输出或旧摘要支撑则原样保留，否则整条删除。它验证的是来源，不是事实真伪；旧摘要中的错误仍可能被继承。
Guanghui Min、Chen Chen / University of Virginia阅读简报
人物与观点
0 条该期没有收录这个领域的人物动态。