RL 智能体在德州电网交易实验中赚 8.5 万美元，4 倍于真人运营商
xeophon · x · 2026-11-05
ScaleAI Labs 团队构建了一个基于真实德州电池电网交易台的高保真 RL 环境（GridSimEnv），并接入 Prime Intellect 的 prime-rl 训练框架与 AgentEnv 框架进行训练。
结果展示中，被称为 GPT-6.1 Sol 的模型智能体在一块真实德州电池上交易赚取了 85,771 美元，而该电池的真实人类运营商同期只赚了 20,647 美元，智能体收益约为真人的 4 倍。
AgentEnv 文档还详细说明了如何将环境 bundle 接入 prime-rl：通过 verifiers 的 NeMo Gym taskset 播放数据集行、调用工具并验证 rollout 获得奖励，环境侧需要 Linux 与至少两块 NVIDIA GPU（一块训练、一块用 vLLM 服务模型），并给出了完整的安装与部署步骤。
「编程与Agent」频道最新
- dots 团队招人：组建持久化 agent 领域最强阵容 — sherwinwu · 2026-11-05
- 用基础设施即代码管理 Agent 监控工作流的新主张 — JoshPurtell · 2026-11-05
- AI 编码工具 Conductor 团队加入 Meta，创始人称将做下一代界面 — ycombinator · 2026-11-05
- 「你为提交的每一行负责」：vibecoding 时代的可行团队政策 — esrtweet · 2026-11-05
- Notion AI Agent 已可直连 Google Drive，支持文件搜索与自动工作流 — technextpreneur · 2026-11-05
- 开发者自建「阻塞即建 GitHub Issue」机制，自动提醒自己解锁 — SubtleGradient · 2026-11-05