Postingan

ECHO登场：让CLI Agent边敲命令边学会预判报错

币界网
币界网
币界网消息，微软研究团队发布的ECHO让CLI Agent在强化学习时，不仅学习「下一步该敲什么命令」，还学习「这条命令敲完后，终端会返回什么」。过去训练这类Agent时，终端返回的报错、日志、文件内容、测试结果通常只会进入上下文，帮助模型决定下一步动作，但训练损失主要算在Agent自己生成的命令上，终端返回内容本身不直接参与训练。ECHO改变了这一点：在同一次训练过程中，它会额外要求模型预测终端输出。实验显示，在terminalbench-2.0上，qwen3-8b的通过率从2.70%提升到5.17%，qwen3-14b从5.17%提升到10.79%。ECHO在部分8b实验中达到同等内部分数最少用约2.3倍训练步数，减少了对专家演示数据的依赖。ECHO证明了终端里的报错、日志和测试输出不仅是上下文，也可以直接变成Agent训练数据。
15.36 · 20/05/26·1,7 rb penayangan·
Kunjungi Sumber
0
0

Penafian: Konten OKX Orbit ini hanya disediakan untuk tujuan informasi. Selengkapnya

Balasan

Belum ada komentar. Jadilah yang pertama membalas!

Related Flash News

Avatar sumberBlockbeats•1d lalu

"Mikrofon Fed": Diskusi tentang pemotongan suku bunga hampir berakhir, dan The Fed telah mulai secara serius membahas kemungkinan menaikkan suku bunga

Avatar sumberBlockbeats•1d lalu

Risalah rapat Federal Reserve: Mungkin perlu untuk mempertahankan sikap kebijakan saat ini lebih lama dari yang diharapkan

Avatar sumberBlockbeats•1d lalu

OpenAI即将提交IPO申请

Avatar sumberBlockbeats•1d lalu

Stablecoin on-chain kustom USDF di Solana telah diluncurkan

Avatar sumberBlockbeats•1d lalu

Teks perjanjian AS-Iran memasuki fase pemolesan terakhir, saham AS melonjak, dan harga spot emas dan perak naik

Avatar sumberBlockbeats•1m lalu

Perp DEX Variational完成5000万美元A轮融资,Dragonfly Capital领投

Avatar sumber币界网•1j lalu

Bertaruh panjang pada BTC mengungguli altcoin: Posisi short ZEC dibuka pada 1.483,51 unit

Avatar sumberChainCatcher•1j lalu

Nvidia berubah lebih tinggi setelah jam kerja, dan pendapatan kuartal pertama fiskalnya melebihi ekspektasi

Avatar sumberBlockbeats•1j lalu

Morgan Stanley telah menyerahkan dokumen pengajuan yang direvisi untuk ETF spot Solana

Avatar sumberBlockbeats•1j lalu

Catena Labs完成3000万美元A轮融资,a16z crypto与Acrew Capital领投