这项研究来自复旦大学和字节跳动种子项目团队的合作，主要研究者包括复旦大学的袁思语、西志恒、叶俊杰，以及字节跳动的陈泽辉、杜正银、陈洁曹等。论文于2025年3月发表，感兴趣的读者可以通过项目主页https://github.com/bytedance/Agent-R获取完整论文和相关代码。
当你在做一道复杂的数学题时，如果发现第三步算错了，你会怎么办？大多数人会停下来，反思哪里出错了，然后从错误的地方重新开始。但是，如果你是一个AI助手，面对类似的情况，你可能会一条道走到黑，即使发现路走偏了也不知道如何回头。
这正是当前AI智能体面临的一个核心难题。就像一个只会按照食谱一步步操作却不懂得品尝调味的厨师，现有的AI助手虽然能够执行复杂的任务序列，但一旦在中途犯错，它们往往无法及时发现并纠正，最终导致整个任务失败。
研究团队发现了一个有趣的现象：训练AI助手通常采用的方法是让它们学习专家的完美示例，这就像让学生只看标准答案而不练习改错一样。表面上看起来很有效，但在真实世界中，这些AI助手一旦遇到问题就束手无策，因为它们从来没有学过如何从错误中恢复。
