提出Rollout-Time Intervention智能体强化学习方法

2026年10月15日，arXiv Artificial Intelligence 刊出 Xi Chen 等作者的研究，提出 Rollout-Time Intervention（RTI）方法。据该报道，RTI 在 rollout 阶段利用奖励侧证据（评估 rubric）把错误轨迹转化为成功轨迹，从而为策略自身难以解决的任务提供学习信号。作者在文中称，RTI 是一种旨在激发超出策略内在探索能力的成功轨迹的技术。目前该事件仅有这一篇主报道，尚无跟进报道，也未出现数字、时间或说法上的前后矛盾。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。