热点事件持续更新
新工作用RL训练自动科研智能体并分离构思与执行
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月14日，AGI Hunt 报道了一项新工作：用强化学习训练自动科研智能体。该工作提出用一个 harness 把构思（ideation）与执行（execution）分离，让信用直接分配到元推理决策上，从而在智能体连续运行上百个实验时，仍能为晚见效的决策分配信用。报道还称，研究跨环境预训练了一个决策级生成式 critic，作为判断「部分进展」的可迁移价值先验；同一模型兼顾 actor 和 critic 共同训练，既学会评估中间状态，也据此行动。
AI 根据报道生成 · 3 小时前更新
最新进展10月14日 02:44
新报道披露该工作用 harness 分离构思与执行，并跨环境预训练决策级 critic。报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- AGI Hunt把「研究什么」与「怎么做」分开：用 RL 训练自动科研智能体
新工作用一个 harness 把构思（ideation）与执行（execution）分离，让信用直接分配到元推理决策上，从而训练能在 agent 连跑上百个实验时给晚见效决策分配信用的自动科研智能体。同时跨环境预训练一个决策级生成式 critic，作为「部分进展」的可迁移价值先验。同一模型兼顾 actor 和 critic 共同训练，既学会评估中间状态，也据此行动。
本事件热度走势
当前热度 9·可比范围峰值 10（10月14日 04:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。