**体验交接强化学习：实现智能体的递归自我改进**

_Experience-Handoff Reinforcement Learning for Recursive Self-Improvement_

> 针对现有强化学习（RL）训练智能体时忽略环境细粒度信息（如错误日志）的问题，本文提出了一种“体验交接强化学习”方法。该方法在固定代理上下文工程框架下，协同优化动作生成、洞察反思和剧本策展三个角色，通过评估交接体验对未来轮次的下游影响来更新模型。实验表明，该方法在多个智能体基准测试中表现优于基线，证明了优化智能体所撰写的、可被未来轮次继承的体验对于提升性能至关重要。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-11-13 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2611.16409)