Muon 在 GiGPO 中几乎将智能体 RL 成功率翻倍

rohanpaul_ai · x · 2026-07-22

Muon 在智能体强化学习里不是“天然有效”，而是高度依赖训练设定。

• 论文把 vanilla Muon 和 AdamW 放在稀疏奖励的 agentic RL 场景里做对比，使用的是单种子匹配实验。
• 在 GiGPO 设定下，Muon 将后期窗口验证成功率从 0.290 提升到 0.546，相对提升超过 88%。
• 作者进一步发现，效果取决于优势估计器和学习率：在 3×10^-5 时，Muon 让 GRPO 从 0.161 升到 0.268；而在 10^-5 时，GraphGPO 的后期表现接近饱和，Muon 的优势变小。
• 结论是：优化器不能脱离 RL 训练结构单独评价，credit assignment 和学习率可能决定它到底是加分还是翻车。

原文链接 →

「研究」频道最新

• Cognition SWE-2 用 KKT 对偶优化长度惩罚，一次 RL 推移 Pareto 曲线 — YouJiacheng · 2026-09-11
• VidMap 用 RoMa 粗匹配全帧、精细匹配仅限关键帧 — ducha_aiki · 2026-09-11
• Bug Hunt Bench 作者补充:榜单噪声幅度约 2-3 分 — PawelHuryn · 2026-09-11
• 台球计算模型登 PNAS:二维系统已存在不可判定性,可跑通用计算机 — eigensteve · 2026-09-11
• 新研究:从仿射变换与重力线索求解绝对位姿 — ducha_aiki · 2026-09-11
• LoMa 论文发布 REALLY HardPairs 数据集,入选 ECCV 2026 — ducha_aiki · 2026-09-11

更多「研究」频道 AI 资讯 →