多轮反馈 LLM-DailyDigest 2026-08-16 2026-08-16 约 100 字 预计阅读 1 分钟 多轮反馈 本主题由提交工具自动创建，可在此补充洞察与资料。 相关消息（按子主题自动聚合） 交互式评测 1 OmniAssistBench：全模态助手交互评测基准 08-24 代码评测 1 SWE-DIVE：动态用户模拟的多轮编程智能体评测 10-22 动态审查 1 MCR-Bench：真实多轮代码审查动态基准 08-28 多路径教学 1 ToST：支持多路径引导与并行思考的思维树苏格拉底教学框架 08-27 奖励机制设计 1 CollabSciReM：以科学感知奖励分解对齐科研对话模型 10-21 技能演化 2 苏格拉底式技能学习：教学与实践交替培养可迁移智能体技能 10-23 SkillEvo：以多轮交互反馈持续演化智能体技能 08-16 拓扑蒸馏 1 DART-SD：面向钻石拓扑的多轮工具调用智能体自蒸馏 08-20 提示优化 1 Self-Meta-Evolve：面向个性化信息抽取的双循环提示演化 09-21 模型可靠性 1 SPINE：持续多轮压力下的 LLM 迎合性评测 09-09 科研智能体 1 LLM 科研智能体适配神经算子：先验还是反馈？ 10-09 经验学习 2 TRACE：基于约束树探索的语言反馈学习 10-08 经验链：通过测试时交互持续改进 LLM 08-19 缺失前提识别 1 优化前先澄清：面向交互式优化的动态预公式化框架 09-08 自博弈 1 MASP：面向理性抵抗用户的心智化对抗自博弈 10-18 评测审计 1 用户反馈提供 LLM 无法自行识别的独特改进信号 09-03 逆序优化 1 RTPO：以逆序轮次优化稳定智能体强化学习训练 08-20
