Agent 训练新法：给任务设计者加记忆，30B 模型涨点 10%

Natasha Jaques 团队提出改进 Reasoning Agent 训练的新方法。自动课程学习常因任务设计者（Designer）提出的任务多样性不足而受限，他们通过给 Designer 添加记忆能力，并在每个 episode 对预训练语料进行采样，显著提升自动生成环境的多样性，最终使 30B 模型性能提升约 10%。

2026-08-20 ~ 2026-08-20 · 2 条相关