研究揭示智能体强化学习数据缩放规律与合成策略
原文标题：How Data Scales in Agentic Reinforcement Learning: Laws and Synthesis Strategies
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。
研究将智能体 RL 数据拆解为任务、环境、轨迹三个基数轴，并在多类 LLM 与领域上拟合缩放关系，发现缩放指数排序为环境 > 任务 > 轨迹。作者用拟合规律为合成方法定价，识别合成数据崩塌临界比，并推导出 Chinchilla 式算力最优配方，实测比主流「扩轨迹」做法提升至多 1.7 倍算力效率。
- 问题
- 智能体 RL 的数据被当作一维 token 数，无法回答合成预算该投哪个轴。
- 方法
- 把数据拆为任务、环境、轨迹三个基数轴，拟合各轴缩放律并据此为合成方法定价。
- 结果
- 缩放指数排序为环境>任务>轨迹；实测比主流扩轨迹做法提升至多 1.7 倍算力效率。
- 影响
- 智能体 RL 的数据合成应优先扩环境多样性，可直接指导训练预算分配。
深读 · 结论先行AI 生成展开看要点与影响 ↓
智能体RL数据缩放指数排序为环境>任务>轨迹，最优配方算力效率提升至多1.7倍
- •把智能体RL数据拆为任务、环境、轨迹三个基数轴，外加奖励密度控制变量
- •在多种LLM、数学+代码/SWE/Web/UI工具等域、PPO与GRPO上拟合，缩放指数一致排序为环境>任务>轨迹
- •环境多样性拆为世界多样性与环境结构多样性后，优势主要来自前者，后者仅与任务多样性相当
- •用拟合规律为合成方法定价，识别合成数据崩塌的临界合成/真实比，且该比值跨设定相差一个数量级
- •推导出Chinchilla式算力最优配方，实测比主流「扩轨迹」做法提升至多1.7倍算力效率
为什么重要：回答了预训练缩放律没回答的问题——合成预算该投哪个轴，为智能体RL的数据合成投入分配提供了可量化的依据。
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
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。