实体
Carl
Carl
PulseAugur coverage of Carl — every cluster mentioning Carl across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
时间线
- 2026-06-22 product_launch cARL v0.4.0 was released, introducing adapter shims for its governance model. 来源
情绪 · 30 天
3 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
cARL v0.4.0 通过适配器 Shim 简化代码代理治理
cARL v0.4.0 的发布为其原生代码库治理模型引入了适配器 Shim，简化了代码代理与各种工具的交互方式。新版本允许通过小的 Shim 文件，让单一治理模型被多个工具引用，例如 GitHub Copilot、Claude Code 和 Cursor。这种方法避免了在不同平台之间复制治理模型，从而简化了开发者的流程。
-
新的CARL方法教会LLM何时使用外部工具
研究人员开发了CARL（Competence-Aware Reinforcement Learning，能力感知强化学习），一种新颖的方法，用于改进大型语言模型（LLM）决定何时使用外部工具的方式。与以往在工具使用的信用分配或不必要调用惩罚方面存在困难的方法不同，CARL训练一个评论家来区分模型自身知识可解决的问题和需要外部帮助的问题。这使得模型能够减少不必要地调用工具，同时提高准确性，尤其有利于参数记忆较少的较小模型。
-
新算法CARL增强分层强化学习中的技能可复用性
研究人员开发了一种名为CARL（对比动作表示用于可复用局部控制）的新算法，以提高分层强化学习（HRL）中技能的可复用性。CARL利用局部动力学的规律性，表明在不同的全局环境中，相似的动作序列对于状态转移是必需的。通过将这些环境与其所需的动作序列对齐，该算法学习在哪里以及复用哪些技能，可能使各种HRL算法受益。该方法在复杂环境中展示了定性的技能聚类，并在与HIQL集成后，在OGBench基准测试中提高了性能。