Thinking-in-Bets：听到批评前，先记下已经验证了什么
降低迎合式改错，却不能把自信清单当作拒绝纠错的理由
智能体常在用户质疑后推翻本来正确的结果。方法在反馈到来之前记录关键主张、证据和置信度，再针对受到挑战的主张核查或修正；无需训练，但额外记录时机很重要，写得过早也可能把未完成的代码固定下来。
Nghi D. Q. Bui / Google阅读简报
2026.10.28 简报
每日研究 · 覆盖 2026.10.21 — 2026.10.28
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
Trajectory2Gym：成功轨迹里，哪些动作值得模仿？
把可见证据、执行结果和工作流顺序分别纳入训练目标筛选
工具任务最终成功，不代表中间每个动作都有合理依据。Trajectory2Gym 从缺少覆盖的交互路径生成可执行任务，只监督能够从学生当时可见信息推导的动作，再按整条交互而非拆分行数分配训练权重；用普通 SFT 改善多轮工具使用。
Yihao Hu、Tao Lin 等研究团队阅读简报
FORK：让评分细则既奖励覆盖，也惩罚多余与错误
用句子级必要性和事实正确性，约束按rubric训练的回答膨胀
只按评分要点是否被覆盖给奖励，模型可以靠堆砌内容得分。FORK把回答拆成句子单位，分配rubric贡献，再分别判定必要性与正确性，将精确率和覆盖率的Fβ分数用于GRPO；重点不是简单限字，而是减少无用或不可靠的陈述。
KAIST / Carnegie Mellon University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。