ROFT：只用自我复盘微调，Qwen3.5-4B 不靠强化学习也能提升智能体表现
Qwen3.5-4B 只靠写复盘解释做微调，不用奖励模型就在 SWE-bench 上跑赢 GRPO，做智能体训练的可以看看这套 ROFT 流程。
#ROFT
共 1 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「ROFT」标签的资讯、产品与论文，按刊登时间排，新的在上。
9月29日
Qwen3.5-4B 只靠写复盘解释做微调，不用奖励模型就在 SWE-bench 上跑赢 GRPO，做智能体训练的可以看看这套 ROFT 流程。