יום שישי, 9 באוקטובר 2026 LIVE
AI־INFO

כתבה arXiv cs.CL ·

התבוננות עצמית: הפיכת חוויות אחר-העבר לראיית קדימה

Self-Retrospection Distillation: Turning Post-hoc Experiences into Prior Foresight
המאמר עוסק בשיפור יכולות הראייה הקדימה של זיכרון רכשי באמצעות חוויות אחר-העבר. המחברים הציגו פרוטוקול חדש של התבוננות עצמית, המאפשר לזיכרון ללמוד מחוויותיו העבריות ולשפר את יכולותיו לראות את העתיד.
תקציר מקורי באנגליתarXiv:2610.08077v2 Announce Type: replace-cross Abstract: Reinforcement learning with verifiable rewards (RLVR) turns agent experience into learning signals primarily through scalar outcome rewards after interaction. For group-relative objectives, however, this signal vanishes when all rollouts receive the same reward, even though their trajectories may reveal useful information about what the task requires and how the agent fails. We ask a complementary question: can hindsight teach an agent what it could have anticipated before acting? We introduce prospective learning, which uses post-hoc experience to supervise foresight predictions from the pre-interaction view, and instantiate it with Self-Retrospection Distillation (SRD). Intuitively, a completed trajectory reveals knowledge that wo
קרא במקור המקורי