MIRA-AC 用代理反馈训练自动科研策略,多项发现任务成绩提升
anirudhg9119 · x · 2026-10-14
作者介绍 MIRA-AC：仅用代理反馈（proxy feedback）训练的自动科研策略，在未训练版 MIRA 基础上提升真实（gold）任务结果：
- 符号回归：50 → 63 道
- 物理发现：8 → 10 道
- 因果发现：76 → 84 道
关键设计是 critic 可以看到因果数据、actor 不能。方法上，RL 训练重建完整研究 episode，从下游结果计算决策级优势（decision-level advantages），只更新元推理器（meta-reasoner）的推理与工单（work orders），执行器、工具与上下文筛选保持固定——即「训练 WHAT 而非 HOW」。针对长程 episode 因自动压缩导致的 credit assignment 偏差，MIRA 在每个决策点重置上下文，将元推理决策拼回一个逻辑 episode。
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
- Effect 原生零依赖测试运行器内部跑通，主打 Agent 优先 — samgoodwin89 · 2026-10-14
- AI 时代代码库将越来越像数据库 — hargup13 · 2026-10-14
- Argon 智能体自学 Spot SDK，捡罐踩踏板完成倒垃圾 — chris_j_paxton · 2026-10-14
- MCP agent 接入实时搜索怎么不让上下文爆掉？开发者实测经验谈 — Few_Training_8950 · 2026-10-14
- 让 Claude 挂机一晚，马力欧奥德赛 macOS 本地化竟被「蹬」出来了 — lxfater · 2026-10-14
- LukeW 旗下 Intent 大更新：可审 GitHub PR、从 Linear 一键开工 — LukeW · 2026-10-14