**DeLoop：利用重复动作作为自监督信号以消除长程智能体中的循环**

_DeLoop: Repeated Actions as Self-Supervision for Long-Horizon Agents_

> 针对语言模型智能体在长任务中因上下文压缩而频繁重复无效动作（循环）的问题，研究提出了 DeLoop 方法。该方法无需外部奖励或人工判断，直接利用智能体自身的滚动数据，将循环动作标记为负样本，将后续首个非循环动作标记为正样本，通过直接偏好优化进行训练。实验表明，DeLoop 能显著降低 Qwen 系列模型在压缩上下文下的循环率，并减少完成任务所需的步骤数，同时提升任务成功率。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-22 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.19376)