研究者提出反事实轨迹回放训练方法CRR

Yuanhao Li等作者提出反事实轨迹回放（CRR）训练方法：在可分叉的可执行环境中，于选定决策点恢复状态、采样替代动作并向前推演，用真实轨迹终点回报与反事实回报之差替换该步优势值，为软件工程智能体提供步骤级训练信号。该方法无需人工过程标注或学习过程奖励模型；作者所称“免费”仅指省去这些监督成本，不包括回放计算。 作者同时指出，这一做法适用于能可靠、低成本恢复状态的环境；随机延续以及回放昂贵或不精确仍是限制。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。