研究者提出「agentic gradient」：让 agent 自由改动自身 harness 与权重
willcb · x · 2026-10-20
willcb 分享其对方法演进方向的判断，提出一个名为「agentic gradient」的最终形态概念：agent 可以对自身 harness（运行环境）或权重做任何它想做的改动。
他认为真正的难点在于 meta-RL 问题——如何让这种方式真正奏效，中间还有大量需要跨越的桥梁。这条推是对其此前「方法层面近期有相当重大进展」观点的补充展开。
所属事件:OpenAI 研究者称 engram 模块是持续学习基石(3 条相关)→
「研究」频道最新
- AnyGoal 研究质疑世界模型:可能只是记轨迹,并未学到可复用的世界规则 — randall_balestr · 2026-10-23
- 分层稀疏注意力方法统一检索与采样，提升极端稀疏下长上下文推理 — Skylight1 · 2026-10-23
- 25 位学者新论文:用芯片供应链「硬暂停」前沿 AI 训练可行吗 — wfithian · 2026-10-23
- TUM 发布 Tadpole：自编码器当 3D PDE 基础模型，NeurIPS 论文 — jiqizhixin · 2026-10-23
- FDA 批准个性化新抗原癌症疫苗：每位患者产品皆不同 — alex_peys · 2026-10-23
- VIPerturb-seq 更新:10x Genomics 将推商业化单细胞 CRISPR 筛选产品 — anshulkundaje · 2026-10-23