MIRA-AC 实验结果：代理信号训练可迁移,决策级信用分配只用 25% token
anirudhg9119 · x · 2026-10-14
推文串总结实验结论（附结果表格）：
- MIRA-AC 证明模型能从自身的代理爬山信号中有效学习，在多个 autoresearch 环境提升 gold 结果（如 Symbolic Regression Solved 数从 50 提至 60-65），并迁移到策略训练未见的 BNLearn 环境（Solved 84、SHD gain 0.9869）。
- 决策级信用分配的价值：策略优化只聚焦于引导研究方向的决策，约占整个 episode 决策与执行 token 的 25%，即「训练 WHAT 而非 HOW」。
- 训练时重构完整研究 episode，从下游结果计算决策级优势；policy loss 只更新元推理器的推理与工作单，执行器、工具与上下文策展保持固定。
所属事件:MIRA-AC:用代理反馈与分层架构训练自动科研智能体(14 条相关)→
「编程与Agent」频道最新
- 14 款语音 Agent 实测:开着电视,任务完成率从 38.7% 暴跌至 8.6% — SIGKITTEN · 2026-10-14
- TypeSafe AI 的 Jev 号称比前沿 LLM 快 100 倍，可替代 9 类调用 — Arindam_1729 · 2026-10-14
- Gemini 4 Argon High『马提示词』实测:OpenCode V2 跑 Antigravity agent — ZealousidealTown1974 · 2026-10-14
- Buoy 实测:给 Claude 配 MCP 工具,任务快 6 倍、成本省一半 — LovesWorkin · 2026-10-14
- LMArena 上线 Code Arena,可实测模型 WebDev 能力 — arena · 2026-10-14
- 开源 msgblast:在 Mac 上一屏群发 prompt 对比多个 AI Agent — msg · 2026-10-14