超长周期任务 RL 难点：转向离线策略与 Critic
_AndrewZhao · x · 2026-08-21
随着任务周期延长至 10 小时甚至数天，传统的在线策略 RL 已不再可行。Andrew Zhao 提出问题：在这种情况下应如何进行 RL？讨论指向了离线策略、离线 RL 以及 Critic 的应用。
「编程与Agent」频道最新
- 如何降低大规模 Agent 运维开销？博主启动调研 — zakelfassi · 2026-08-21
- 实测：把 ChatGPT Pro 连 GitHub，比单用 Codex 效率高得多 — jdjohnson · 2026-08-21
- AMD MI300x vs 英伟达 H100：Agent 编码实测对比 — locker73 · 2026-08-21
- CLI 编码 Agent fx 更新：二进制仅 6MB，支持 WASM — evilrabbit_ · 2026-08-21
- 反驳：AI 写代码不是递归，只是迭代 — gerardsans · 2026-08-21
- Huzzah 编辑器:用伪代码驱动 AI 编写程序 — gregbarbosa · 2026-08-21