一句话看懂：一篇发表于 2026 年 10 月的论文提出 DeLoop，用智能体自身 rollout 中的“循环动作”与后续非循环动作构成偏好对做自监督训练，无需任务奖励或标注，在压缩上下文的条件下明显减少了 Qwen、Llama、Gemini 类智能体的重复工具调用。
事件核心：发生了什么
论文把“重复一个此前做过的工具调用、拿回完全相同的观察结果”定义为循环。作者称这种失败在 Qwen、Llama 和 Gemini 的智能体中都会原生出现，且当历史记录被压缩以适配上下文窗口后更常见。DeLoop 的做法是：把循环动作作为负例，把同一 rollout 中第一个后续的非循环动作作为正例，用直接偏好优化训练模型，不依赖任务奖励、标准答案或 LLM 裁判。摘要给出的数据是：在 CodeGym 压缩条件下，Qwen3-8B 含循环任务占比从 57.3% 降至 6.1%，每任务步数约为原来的三分之一，成功率相近；Qwen3-32B 上循环和步数减少，成功率从 37.7% 升至 44.8%。以上信息仅来自论文摘要，不代表已上线产品，也未说明是否经过同行评审。
为什么重要
长任务智能体的可靠性问题往往不在单步能力，而在“反复做无用功”：重复工具调用白白消耗上下文和算力，还会让任务在压缩历史后更容易跑偏。DeLoop 的价值在于把智能体自己的失败轨迹变成训练信号，绕开了昂贵的人工标注与奖励建模环节，为开源模型和闭源 API 之外的 agent 优化提供了一条低成本路线。如果方法可复现，它将直接影响长周期任务型 AI 应用的成本结构。
对用户/开发者/创作者的影响
对开发者而言，这条思路提示可以在自己的 agent 日志里自动挖掘循环样本，用偏好优化做后训练，而不必先搭一套完整评测和奖励系统；对使用长任务 agent 的产品团队，减少重复调用意味着更低的 token 消耗和更短的完成时间。对普通用户，目前公开信息显示这只是训练方法，尚不是可直接使用的功能，短期内体验改善取决于模型厂商是否采纳。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 DeLoop 能否在更广泛任务和真实生产流量上复现摘要中的结果；二是方法是否被主流 agent 框架或模型厂商集成；三是压缩历史这一前提条件在长上下文模型普及后是否仍然成立，以及循环问题是否会以其他形式出现。
