上海 AI Lab 提出 SERO：用可执行 Oracle 续跑训练长程智能体强化学习
Shanghai-AI-Laboratory · hf · 2026-10-16
上海人工智能实验室联合上海交大、同济大学发布 SERO（State-Rooted Executable Rollout Optimization），改进长程智能体强化学习。
- 痛点：长程 agentic RL 受限于当前策略访问到的未来状态，rollout 走不到有用行为时，更好的 credit assignment 也无法监督从未经历的状态动作
- 现有 on-policy 蒸馏（OPD）及多轮变体只是调度、复用、精炼教师引导，没有直接把 oracle 控制的未来轨迹本身用作训练数据
- SERO 从当前策略实际到达的状态出发，恢复可执行的 oracle 续跑作为训练轨迹，按策略兼容性加权，且推理时零额外开销
「编程与Agent」频道最新
- 开发者用3台DGX Spark组本地集群跑GLM-5.3-Flash,配代理均衡日生175万token — Teknium · 2026-10-16
- 开发者分享给电脑上的 Agent 划权限:能读能写,发删买一律先问人 — No_Fan5310 · 2026-10-16
- 开发者用GPT写出unifi-simulator,让MikroTik交换机伪装进UniFi网络拓扑 — Pytlicek · 2026-10-16
- 斯坦福 45 分钟课拆解 Grok Bot:always-on agent 的 harness 工程 — Hesamation · 2026-10-16
- Opus 5.5 + Three.js 打造水波鱼群樱花互动场景，美到刷屏 — nikola_mr64990 · 2026-10-16
- 用 Grok 搭建线性回归交易系统，125 天在 Polymarket 赚 50 万美元 — Roger_M_Taylor · 2026-10-16