LLM智能体训练与决策新方法
wzenus · x · 2026-07-10
CMU 研究者报告了 LLM-agent 训练中的两个相关方向：一是标量奖励会带来失败模式，作者提出用更丰富的文本反馈和自蒸馏来改进，并将方法称为 MaxRL，通过按任务难度归一化更新来稳定训练。
同场还介绍了 Calibrate-Then-Act：让语言模型智能体在不确定性与成本约束下更好地决定何时检索、何时追问澄清、何时做实验，以及何时停止。
所属事件:ICML 2026 FAGEN研讨会聚焦AI智能体失败模式(11 条相关)→
「编程与Agent」频道最新
- Alchemy 推出 Lambda Web Functions,Node 版 Web 服务器直接上 Lambda — samgoodwin89 · 2026-10-27
- Alchemy Domain:用领域驱动设计把业务需求直接写成 Effect 代码 — samgoodwin89 · 2026-10-27
- 生产级 AI Agent 常规评测 95% 稳健，遭定向攻击后跌至 37% — njyx · 2026-10-27
- Grok Bot 分析 AI 评论、Codex 开浏览器批量拉黑，两 agent 接力工作流 — vista8 · 2026-10-27
- huggingface_hub 2.3.0 发布：百万文件列取从分钟级降到 20 秒 — lhoestq · 2026-10-27
- Nous Research 发布 Advanced Delegation 插件，子智能体可按任务选模型 — NousResearch · 2026-10-27