美团等发布 AutoRL:多智能体自动督导 RL 训练,Qwen3 AIME 提 20 分
omarsar0 · x · 2026-11-17
omarsar0 推荐的自我改进方向论文《AutoRL: A Multi-Agent System towards Autonomous Reinforcement Learning》(美团、港中文、上海科大、复旦,arXiv 2611.17790)。
- 核心思路:让 agent 像一名随叫随到的 RL 研究员一样督导在线 RL 训练,而非照固定配方跑。Perceptor 智能体盯训练曲线、rollout 与评测并标记异常;三个 Proposer 智能体诊断问题并提出干预;Orchestrator 审核后以热更新或从 checkpoint 重启的方式应用。
- 成绩:Qwen3 在 AIME 2024 从 46.67% 提至 66.67%,AIME 2025、HMMT 2025 各提升 11.67 分;LongCat-Flash-Lite 的 agentic coding pass@1 从 52.29% 升至 65.13%,无人值守长训支持 14.7 天、修复 11 次运行时故障,SWE 相关任务 pass@1 提升 12.84%。
- 给定刻意写坏的配方,AutoRL 能自主发现并修复问题;作者认为现有 agent 已能胜任无人督导的 RL 监督与调参,未来 RSI 的难点在于资源消耗巨大的验证方法。
「编程与Agent」频道最新
- Anthropic 与 Ode 联袂对谈:如何挖掘员工没说出口的隐性工作知识 — every · 2026-11-17
- 用 LangGraph 重建六 agent 医疗管线,替代医院每年 150 万美元系统 — MaryamMiradi · 2026-11-17
- 开源作者用 Devin AI 修 CI:文档站点被重复构建两次的省时改造 — DanielLockyer · 2026-11-17
- 从 2300 个插件中精选:9 个值得周末上手实测的 Hermes Agent 插件 — Teknium · 2026-11-17
- 蚂蚁 Ling 团队论文:调度优化让 agent 评测批完成时间最多缩短 65% — dair_ai · 2026-11-17
- 「有 jumbo 还开什么甲壳虫」:本地 vs 云端 coding agent 之争又起 — intellectronica · 2026-11-17