Meta 研究人员发布了两篇论文，详细介绍了 AI 扩展定律和智能体（agent）利用开发方面的进展。第一篇论文提出了一种将模型容量和训练数据相结合的“扩展定律”（Scaling law），提高了损失预测的准确性，并减少了规划预训练预算的计算需求。第二篇论文提出了 EvoHarness-RL，一种使智能体（agent）能够离线学习利用策略（harness policies）的方法，从而能够执行更鲁棒的长期任务，并在 ALFWorld 基准测试中与 Qwen3_8B 模型一起展现出强大的性能。 AI
影响 这些在扩展定律和智能体（agent）利用开发方面的进展可能带来更高效的 AI 训练和更强大的长期任务执行智能体（agent）。
排序理由 该集群包含两篇学术论文，详细介绍了 Meta 的新研究发现和方法论。
在 X — Omar Sanseviero (HF research) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
Impressive new paper from Meta. (bookmark it) Scaling laws assume model size and training data act on loss independently. This work introduces Skaling law, which couples capacity and data through a single interaction exponent. The extra term cuts mean absolute percentage error…
New research from Meta. Agent harnesses are still mostly authored by hand. This makes it hard to tune robust agent harnesses for long-horizon tasks. In this new work, agents learn harness policies offline and deploy them to construct and update external harness state online ht…