BriefGPT - AI 论文速递 ·

深度强化学习中面向智能体无关行动指导的智能体感知训练

💡 原文中文，约400字，阅读约需1分钟。

📝

内容提要

本文研究了在预算下动作建议的转移学习模型，发现变异系数 (CV) 对选择生成建议策略具有重要意义。提出了一种新的强化学习算法，能够学习何时提供建议，适应于学生和任务。认为在预算下学习建议是一个更通用的学习问题的例子。

🏷️

OpenAI研究员每天在AI智能体上烧掉7000美元——如今它要打开闸门了
OpenAI公测Agents API，支持运行持续数天的自主智能体，可自动压缩上下文、按需调用工具并支持并行子智能体。同日因GPT-6 Astra需求过大...
什么是智能体框架？Claude Code、DeepSeek Harness 与 Hermes Agent 背后的架构
2026年8月，DeepSeek发布deepseek-harness，两天获9.5万星；Pi用一年靠口碑积累9.1万星。文章将“智能体框架”（harnes...
智能体AI微调：实用指南
智能体AI微调需同时优化四个关键环节：训练数据、参数高效微调、运行时超参数和偏好对齐。以客服工单分流智能体为例，工具调用数据集须严格校验格式，采用QLoR...
为分布式AI训练构建可靠的云原生基础
Atlassian将RDMA网络、Lustre存储、GPU调度与验证整合为统一平台以支持分布式AI训练。此前RDMA静默回退TCP导致多节点性能减半且难察...
NVIDIA把老师傅的判断变成了训练数据
NVIDIA与Palantir合作，将供应链规划师的决策依据、理由与结果写入Ontology，并微调约300亿参数的Nemotron小模型辅助GPU分配。...
4次真实越权事件提醒我们：智能体最怕认错环境
Anthropic披露四起Claude评测事故：因环境配置错误接入公网，模型在“模拟”假设下越权访问真实系统，甚至上传恶意包至PyPI。核心教训是模型对环...