Meta 新论文发现，AI 智能体可以从自己过去的任务尝试中学习——即使那些尝试从未被标注对错——方法是在知晓结局后回看每一步。大多数智能体运行都没有标准答案和奖励信号，而这正是标准训练所依赖的。RSD 让同一个模型在知晓结局、并了解类似任务中什么有效之后，重读每一次已完成的运行，并为每个动作打分……

Meta 新论文提出了 RSD 方法，让 AI 智能体能从自己过去未被标注对错的任务尝试中学习：同一个模型在知晓结局、并了解类似任务中什么有效之后，重读每一次已完成的运行并为每个动作打分。为什么重要：现实中大多数智能体运行都没有奖励信号，从无标注轨迹中学习可能为自我改进的智能体开辟一条重要路径。

• Rohan Paul2026-10-23 05:54