ROSS：从自生成轨迹中重新学习
热点事件历史事件
ROSS：从自生成轨迹中重新学习
2 篇报道2 个报道来源2026-09-30更新
先了解这件事
报道摘要
ROSS 通过保留完整历史轨迹作为上下文、仅对选定的模型生成续写施加损失，让自生成 rollout 中的可复用行为经验通过离线 SFT 继续产生收益，无需额外策略 rollout。
摘自 arXiv：cs.LG
最新进展9月30日 22:26
ROSS：通过选择性监督从自生成 rollout 中再学习报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- HuggingFace Daily PapersROSS：通过选择性监督从自生成 rollout 中再学习
ROSS 通过选择性监督从自生成 rollout 中再学习，保留完整历史轨迹作为上下文，仅对选定的模型生成续写施加损失。在 Qwen3.6-35B-A3B 上，ROSS 将六基准 MOPD 平均分从 58.40% 提升至 62.20%，SWE-bench Verified 从 64.20% 提升至 68.40%。
- arXiv：cs.LGROSS：通过选择性监督从自生成 rollout 中再学习
ROSS 通过保留完整历史轨迹作为上下文、仅对选定的模型生成续写施加损失，让自生成 rollout 中的可复用行为经验通过离线 SFT 继续产生收益，无需额外策略 rollout。