研究：代码即策略智能体重试中反馈作用被重估

Siddharth Aphale、Ayushman Singh 提交的论文重新考察代码即策略智能体失败后重试成功的来源，认为额外采样与任务指引本身也能提升成功率，使失败专用反馈的贡献变得不清晰。研究在仿真机器人操作中进行：用固定查表按失败标签和 API 变体选择反馈模板，冻结的代码模型在每次场景重置后生成新程序。 在相同的 252 个初始失败上，Qwen2.5-Coder-7B 在五次重试内恢复 85.3%，同样重试上限的重采样为 68.3%，该优势在固定总 token 预算下仍存在。作者同时报告，在一个需要沿边缘抓取的螺母插入任务上，模板反馈反而降低恢复率，作者认为这与模板给出不兼容的中心抓取指令相符。 该论文被 CoRL 2026 Learn@Deploy workshop 接收，上述结果均为仿真环境中的测试。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。