RTI：rollout期干预解锁超越策略极限的Agent强化学习

2026年10月12日，arXiv（Artificial Intelligence，一手报道）发表研究，提出Rollout-Time Intervention（RTI）方法。该方法在rollout阶段利用奖励侧证据（评估rubrics），将错误轨迹转化为成功轨迹，为超出当前策略探索能力的任务提供学习信号。研究称，RTI在过滤分布偏移过大的轨迹后仍可有效引导策略优化，在五个benchmark上持续优于RL基线，使后训练策略逼近更强的当代LLM并突破原有能力边界，代码已开源。目前公开信息仅此一篇报道，无更早或相互矛盾的说法。

Generated from reports · updated 2 hr ago

There is not enough continuous observation data to draw a trend yet.