Agentic Reinforcement Learning
PulseAugur coverage of Agentic Reinforcement Learning — every cluster mentioning Agentic Reinforcement Learning across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
亚马逊构建 Sandman 以在 Kubernetes 上为 Agentic RL 沙箱提供支持
亚马逊开发了 Sandman,这是一项旨在管理共享 Kubernetes 集群上 Agentic 强化学习工作负载沙箱的服务。该系统能够创建、运行和清理数千个并发沙箱,这对于代理工具的执行和评估至关重要。Sandman 已在亚马逊的生产环境中用于多个 Agentic RL 应用,处理了数百万次沙箱创建,并提供了有关高效管理这些环境的运营见解。
-
新的TWICE方法改进了代理强化学习的信用分配
研究人员开发了一种名为TWICE(TWIn-world Credit Estimation)的代理强化学习新方法。该技术通过创建“孪生世界”来解决在整个回合中将信用分配给单个决策的挑战。这些孪生世界共享相同的采样噪声,但在单个决策上有所不同,从而可以更准确地评估该决策的影响。TWICE在问答基准测试中表现出显著的改进,优于现有方法,并减少了对辅助令牌的需求。
-
新研究优化了 agentic reinforcement learning 的数据扩展
一篇新的研究论文探讨了如何在 agentic reinforcement learning (RL) 中优化数据扩展,将数据视为一个结构化的设计空间,而不是单一的 token 计数。该研究确定了 agentic 数据的三个关键基数轴:任务、环境和轨迹,以及一个奖励密度控制变量。在各种模型大小、模型家族、领域和 PPO、GRPO 等 RL 算法中,研究发现扩展环境多样性可带来最显著的改进,其次是任务多样性,然后是轨迹多样性。研究结果表明…
-
新的RL方法提升了智能体的泛化能力和以数据为中心的训练 · 跟踪3个来源
研究人员推出了一种名为BIRD-RL的新型四阶段智能体强化学习课程,旨在提高小型语言模型(SLMs)在以数据为中心的环境中的训练效率。该方法通过允许安全地复用数据库副本同时保持轨迹隔离,解决了现有以工具为中心的框架的局限性,从而将空间RL效率提高了12.8倍。在BIRD-CRITIC-SQLite等基准测试中,BIRD-RL已证明其性能可与Claude-Opus-4.6 Agent等专有模型相媲美,使SLMs能够执行复杂的SQL调试和…
-
AI代理在多篇研究论文中进化技能和策略 · 跟踪10个来源
近期研究探讨了提高AI代理在复杂环境中自我进化能力的方法。论文引入了诸如CO-evolution Drift Audit (CODA)等技术来评估代理在技能变化下的鲁棒性,以及SkillNEO用于代理技能的非精英优化,显著提升了各种任务的性能。其他工作提出了用于多会话代理强化学习的Mosaic,用于健康LLM代理因果技能自我进化的CausalEvo,以及用于多模态代理自适应技能系统的EvolvingBrain。此外,研究还探讨了自我蒸…
-
新框架通过结构化推理和记忆力推进 AI 视频理解
两篇新研究论文介绍了用于增强视频理解和推理能力的新颖框架。第一个,EventGraph 和 EventField,利用结构化时间表示在视频问答任务上实现高精度,优于基线方法。第二个,EventMemAgent,提出了一个具有分层记忆的活动代理框架,用于连续在线视频理解,集成了自适应工具使用和代理强化学习。
-
HARTS系统加速了混合注意力模型的智能强化学习
研究人员开发了HARTS,一个旨在提高混合注意力模型智能强化学习(RL)效率的新系统。HARTS通过采用前缀压缩和数据并行副本优化调度等技术,解决了在不规则展开树中重新计算共享前缀的挑战。该系统实现了激活重计算和状态恢复,在源自SWE-bench任务的智能RL工作负载上实现了高达4.8倍的显著加速。
-
AI框架SpecXMaster实现核磁共振谱图解析自动化
研究人员开发了SpecXMaster,一个利用Agentic强化学习的AI框架,用于自动化核磁共振(NMR)谱图数据的解析。该系统可以从1H和13C谱图中提取多重性信息,并将原始FID数据直接转换为化学结构,绕过了传统依赖人工的方法。SpecXMaster在公开基准测试中表现出色,并通过专家评估进行了优化,旨在对有机化学领域产生重大影响。
-
Hugging Face 澄清 AI 智能体术语,OpenEnv 获社区支持
Hugging Face 发布了一份术语表,以澄清围绕 AI 智能体的术语,包括 harness 和 scaffold 等概念。此外,开源社区正在支持 OpenEnv,这是一个专为智能体强化学习设计的框架。
-
OmniAgent 使用主动感知进行高效视频理解 · 已追踪 2 个来源
研究人员推出 OmniAgent,这是一种新颖的全模态智能体,用于视频理解,它利用基于部分可观察马尔可夫决策过程 (POMDP) 的迭代式观察-思考-行动 (Observation-Thought-Action) 循环。这种方法允许智能体选择性地将视听线索提炼成文本记忆,从而将推理复杂性与原始视频时长解耦,提高计算效率。该论文详细介绍了两种关键的训练方法:用于引导主动感知的智能体监督微调 (Agentic Supervised Fin…