arXiv 发布 Lean4AgenticRL 框架与 LAR-9B/27B 智能体模型
原文标题：Lean4AgenticRL: Advancing Agentic RL with Verifiable Multi-level Process Rewards
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
Lean4AgenticRL 是首个将多级过程奖励建立在统一 Lean4 形式化体系上的开放式智能体强化学习框架，结合问题专属工作流与工作流阶段归一化 GRPO 算法。基于该框架训练的 LAR-9B/27B 中，LAR-27B 在 TerminalBench-2.1 上达到 77.3%，平均超越基座模型 9.89%。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Lean4AgenticRL把多级过程奖励建在Lean4上，LAR-27B在TerminalBench-2.1达77.3%
- •称首个将多级过程奖励建立在统一Lean4形式化体系上的开放式智能体RL框架
- •构建问题专属工作流，兼顾智能体自身能力与执行可控性
- •奖励覆盖工具调用、工作流阶段等多层级，配合工作流阶段归一化GRPO
- •LAR-27B在TerminalBench-2.1达77.3%，平均超越基座模型9.89%
- •同规模对比中优于同类领先模型
为什么重要：当前智能体RL多依赖高层结果奖励，过程级奖励的形式化验证若可行，将影响软件工程与终端任务智能体的训练范式。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
谷歌 Gemini 4 Carbon 全面超越 Opus 5.5，首发 Token 半价
AI 摘要谷歌发布 Gemini 4 Carbon，宣称在多项能力上全面超越 Opus 5.5，并推出首发 Token 半价优惠。该模型可连续数日修复 Bug，且具备免疫提示词注入的安全特性，加剧头部大模型竞争。
谷歌发布 Gemini 4 Carbon，主打网络安全能力跃升
AI 摘要谷歌推出前沿模型 Gemini 4 Carbon，在编程、智能体任务和网络安全方面显著提升，登顶 Artificial Analysis 智能指数，领先 Claude Opus 5.5 与 GPT-6 Astra。该模型目前仅向部分网络安全防御公司开放，定价与 Argon 相同，为每百万输入 token 2 美元、输出 10 美元。
谷歌发布 Gemini 4，API 限时半价
AI 摘要谷歌正式发布 Gemini 4，被视为重回大模型第一梯队的关键动作，同时推出 API 限时半价优惠。该发布对模型竞争格局与开发者成本结构均有直接影响。
谷歌 Meta 发布前沿模型，AI 竞赛重启
AI 摘要谷歌发布 Gemini 4 Argon，Meta 推出新前沿模型，两家公司声称可与 OpenAI 和 Anthropic 的旗舰模型匹敌。谷歌以激进定价策略切入市场，入门期价格比竞争对手低至80%。AI 前沿竞争格局重新洗牌。