Agent-Reflex训练框架发布

发生了什么

据Hugging Face Papers报道，研究人员提出Agent-Reflex训练框架，旨在提升语言智能体在长程推理任务中的鲁棒性。该框架通过引入On-Policy反射策略优化（ORPO）方法，结合强化学习与反射引导的策略蒸馏，以应对实际部署中噪声反馈及用户干预带来的挑战。基于Qwen3-8B模型构建的Agent-Reflex在五项长程工具使用基准测试及AgentNoise基准上表现优于现有基线。相关代码已在GitHub开源。