把「研究什么」与「怎么做」分开,用RL训练自动科研智能体
anirudhg9119 · x · 2026-10-14
一项新工作研究如何训练autoresearch 自动科研智能体:当 agent 连跑上百个实验时,如何给那些很晚才见效的决策分配信用。
核心做法:
- 用一个 harness 把构思(ideation)与执行(execution)分离,使信用可以直接分配到元推理决策上
- 训练一个跨环境预训练的决策级生成式 critic,作为「部分进展」的可迁移价值先验
- 同一模型同时作为 actor 和 critic 共同训练,既学会评估中间状态,也学会据此行动
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