**Apple 提出 RLTL;DR:通过内化自生成反馈实现自我改进**

_RLTL;DR: Self-Improvement by Internalizing Self-Generated Feedback_

> 针对强化学习可验证奖励(RLVR)在极高难度任务中因缺乏成功样本而失效的问题,Apple 机器学习研究团队提出 RLTL;DR 方法。该方法允许智能体在每次失败后查看验证器输出并生成单条“TL;DR”洞察作为自反馈,以此条件化下一次尝试,从而在无教师模型或示例的情况下实现自我改进。

**来源信息**
- **来源**:Apple Machine Learning Research(RSS)
- **分类**:论文
- **发布时间**:2026-10-01 08:00(北京时间)
- **原文**:[打开原文](https://machinelearning.apple.com/research/rltl-dr-self-improvement)