编辑：没方 Agentic AI 正在成为人工智能领域最具变革性的研究方向之一。这类具备自主规划能力、能够灵活调用工具并与环境持续交互的智能体，正从早期的实验室原型逐步走向复杂真实场景中的规模化应用（如Claude ...

在大模型后训练阶段，监督微调（SFT）和强化学习（RL）是两根不可或缺的支柱。SFT 利用高质量的离线（Off-policy）数据快速注入知识，但受限于静态数据分布，泛化能力往往容易触及天花板并带来灾难性遗忘；RL ...

3月中旬，腾讯云与AI大模型厂商MiniMax达成了一项深度合作，双方围绕Agent RL，也就是智能体强化学习训练的核心场景，基于腾讯云Agent Runtime沙箱产品展开全链路技术协同。 资本市场对此反应迅速，消息传出后，港股MiniMax-W股价应声大涨，盘中涨幅一度超过19%。 同时，另一家大模型概念股智谱也录得超13%的涨幅，显示出市场对整个AI智能体赛道的敏感与期待。 这并非一次简单 ...

清华和上交的最新论文中，上演了一场“学术打假”的戏码。文中研究者们对当前“纯 RL 有利于提升模型推理能力”的主流观点提出了相反的意见。 通过一系列实验，他们证明引入强化学习的模型在某些任务中的表现，竟然不如未使用强化学习的模型。 论文 ...

上证报中国证券网讯（记者 操子怡）3月18日，记者从腾讯方面了解到，近日，AI大模型厂商MiniMax与腾讯云正式达成深度合作，双方围绕Agent RL强化学习训练的核心场景，基于腾讯云Agent Runtime沙箱产品展开全链路技术与业务协同。 据介绍，MiniMax近期发布的Agent RL框架Forge，旨在突破大模型在复杂任务中的逻辑推理、代码执行与自主决策能力，而其大规模训练对底层基础设 ...

OpenClaw-RL的核心价值在于：它能让您的OpenClaw🦞仅仅通过与你日常对话产生的自然反馈（如你的纠正、补充说明或环境报错），就能在后台实时自动更新权重，变得越来越符合您的个性化偏好，并在实际任务中不再犯同样的错误。

Agent「凭啥」自主发现RL算法？ 人工智能（AI）的主要目标之一，是设计出能够像人类一样在复杂环境中自主预测、行动、最终实现目标的智能体（Agent）。智能体的训练离不开强化学习（RL），相关研究也已经持续了几十年，但让智能体自主开发高效的 RL 算法的 ...

电感有一个特性是“阻交通直”，阻交是说它阻碍交流电，但不会完全隔离。 通直就很好理解了，当输入是直流电时，我们且可以把电感当成一段导线，而忽视它的存在。 RL低通滤波器 利用电感阻交通直这一特性，人们对其“大做文章”，其中较为经典的就是RL ...