一篇新的研究论文探讨了 Muon 优化器在 Agentic 强化学习 (RL) 任务中的有效性，特别是在稀疏奖励环境中的应用。该研究使用 Qwen2.5-0.5B-Instruct 在 ALFWorld 基准测试上进行，发现将 Muon 整合到隐藏权重矩阵中，与标准的 AdamW 优化器相比，成功率显著提高。Muon 的优势被观察到取决于优势估计器和学习率等因素，特定配置可带来验证成功率的大幅提升和更快的收敛速度。 AI
影响 Muon 优化器有潜力提高 Agentic 强化学习的性能，尤其是在稀疏奖励场景下。
排序理由 该集群包含一篇详细介绍 AI 优化技术实验结果的研究论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.16169v1 Announce Type: cross Abstract: Muon is competitive with AdamW in large-scale pre-training, but its value for reinforcement-learning (RL) post-training remains unclear. We study vanilla Muon in sparse-reward agentic RL through matched single-seed comparisons wit…
Muon is competitive with AdamW in large-scale pre-training, but its value for reinforcement-learning (RL) post-training remains unclear. We study vanilla Muon in sparse-reward agentic RL through matched single-seed comparisons with AdamW on ALFWorld using Qwen2.5-0.5B-Instruct. U…