共计 11 篇文章
2026
Environment Evolution：让终端环境持续变难，怎样避免把任务改坏？
SETA 论文笔记：把终端环境当作需要验证的奖励程序
从大模型 Infra 到 Agentic RL Infra：系统地图、关键原理与实操学习路线
DynaWeb：先学会预测网页变化，再让 Agent 在想象中做强化学习
Agent-World：按 Agent 的失败原因，持续生成下一批训练环境与任务
AWM：让大模型造出可执行的世界，再用它训练 Agent
RAGEN：多轮 Agent RL 为什么会崩溃？StarPO、Echo Trap 与推理退化
Agentic-R：为 agentic search 训练检索器，用全局答案正确性反传
SAO: 面向智能体强化学习的单轨迹异步优化
论文速读｜Youtu-Agent：自动化构建 + 混合策略优化的 LLM 智能体框架