★ 4
DeepSeek公开Agent训练新论文，梁文锋署名
DeepSeek发布一篇关于Agent训练的新论文，梁文锋署名，论文披露其沙盒环境每秒可产生5000+个，用于大规模智能体训练。该工作聚焦智能体训练基础设施与效率，可能推动Agent训练规模化。
量子位39 天前
#智能体训练
共 9 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
WebAnything 从真实网址自动重建可复用 Web 智能体环境
论文提出全自动框架 WebAnything，由 Explorer-Builder 采集浏览器可观测结构、资源与交互结果，独立验证器检查冻结候选并指导修复或重采集，无需逐站人工实现。团队构建 244 个网站工件、支持 12,984 个任务，并在 5,856 条交互轨迹上微调 Qwen3.5-9B，使…
arXiv cs.AI2 天前
★ 3
DynaWeave 框架发布：合成动态场景训练 LLM 智能体
研究者提出 DynaWeave，一个自动合成框架，可将静态任务转化为可验证的动态场景，通过有向无环图表示外部事件依赖并在智能体交互中触发。团队用该框架在 36 个环境中收集 2095 条交互轨迹，对 Qwen3.5 模型做监督微调，在 Gaia2、CostBench、ToolMaze 上均取得提升…
arXiv NLP10 天前
★ 3
MAGE 框架用用户手册提升计算机使用智能体适应新软件能力
研究提出 MAGE 框架，将用户手册作为可扩展的流程知识来源，在推理时检索任务相关手册内容并由规划器生成显式流程指导，在训练时将手册转为可执行任务-计划对以引导环境探索。在六个应用上任务成功率超过强基线，减少了对人工标注演示数据的依赖。
arXiv cs.AI12 天前
★ 3
AI 数据经纪商最高 200 万美元收购企业办公数据
Business Insider 报道称，AI 数据经纪商正以 10 万至 200 万美元的价格收购企业的 Slack 消息、CRM 记录与邮件历史，用于训练 AI 智能体。OpenAI、Anthropic、Meta 等公司已耗尽倒闭企业的数据来源，转向收购活跃公司的实时办公数据，其中展示真实工作…
快公司19 天前
★ 3
DeepSeek发布智能体训练沙箱基础设施DSec
DeepSeek发布Elastic Compute（DSec），一套面向大规模智能体训练的高效沙箱基础设施，旨在支撑规模化Agentic训练。该工作聚焦于为智能体训练提供可扩展的隔离执行环境。
Lobsters – Machine Learning40 天前
★ 2
StaGPO：让工具智能体适应表达不完整的弱用户
论文指出工具智能体几乎只用表达完整的强模拟用户训练，而真实用户往往信息不全。作者通过遮蔽用户回复构造弱用户，发现常规训练无法改善弱用户表现，遂提出 StaGPO 状态分组策略优化，在 ToolWOZ 上使 Qwen3.5-2B 弱用户成功率升至 76.8%，比 GRPO 高 4.8 个百分点。
arXiv cs.AI12 天前
★ 2
PEARL：面向多轮智能体的过程经验感知强化学习
论文提出 PEARL，在无需额外评论家网络的情况下改进局部信用分配。方法通过定位同一历史两条不同结果轨迹的首次分歧，构建局部决策特征并在近期失败与成功记忆中聚类，识别反复出现的决策模式，从而选择性强化低回报决策的负优势。在 AppWorld 与 ALFWorld 上均优于基线，ALFWorld 4…
arXiv cs.AI18 天前
★ 2
工具结果缓存可反转组归一化策略更新
论文研究智能体训练中工具结果缓存对 rollout 随机性的耦合影响，证明尽管边际上条件奖励分布一致，按组共享一次随机结果仍可能反转期望的组归一化策略更新。作者推导出精确的有限组表达式，指出共享更新取决于胜负概率差而非期望奖励差，并给出错误方向区域与方差下限。结论表明仅凭边际输出有效性无法证明随机…
arXiv cs.LG38 天前
这个主题的相关资产
相关术语智能体训练