时间感知 RL 提效 85.7%，RPG 在 NanoGPT 速度跑上超 vanilla RL
sherryyangML · x · 2026-10-14
研究者讨论「时间感知 RL（time-aware RL / RPG）」在自动化研究与 MLE agent 上的应用：
- 在 modded-nanoGPT speedrun 上，RPG 在最终预算下比 vanilla RL 好 85.7%；
- reward-rate RL 比普通 RL 更快地降低预训练 loss；
- 核心思想：autoresearch 与 MLE agent 选下一个实验时，本质是在有限研究预算下做决策，agent 应学会权衡实验的潜在收益与运行时间；
- 作者认为随着 Karpathy、Quoc Le、Jeff Dean 等推动 autoresearch 热潮，时间感知 RL 可能是关键组件。
论文链接见原帖。
所属事件:RPG 时间感知强化学习提效 85.7% 超越 vanilla RL(2 条相关)→
「编程与Agent」频道最新
- 创作者用 Codex 搭 GoPro 素材自动导入工具,支持 WiFi 慢速传输 — OpenAIDevs · 2026-10-15
- Claude Code 2.1.300 系统提示词大瘦身:token 减 58.5%,移除强制提问指令 — ClaudeCodeLog · 2026-10-15
- Claude Code 2.1.300 发布:88 项 CLI 变更,系统提示移除 AskUserQuestion 指令 — ClaudeCodeLog · 2026-10-15
- 尼采「末人」照进 AI 时代：编程智能体就是「我们发明了幸福」 — akbirthko · 2026-10-15
- Tahoe AI 开放 Tara 插件:一条 prompt 把 Agent 接入生物数据集 — anshulkundaje · 2026-10-15
- sgrep 实测:比 ripgrep 更准更快,让编程 agent 省 21.3% API 成本 — udmrzn · 2026-10-15