热点事件持续更新
长程Agent RL训练配方：Muon+单rollout异步
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
2026年10月15日，AGI Hunt报道，中国人民大学高瓴人工智能学院、杜克大学、中国科学院等机构提出面向长程Agent强化学习的single-rollout异步训练配方：更新策略时无需等待同一问题的多条轨迹。报道称完整配方为Muon优化器、token平均损失与截断重要性采样，并加入长度与工具错误的辅助惩罚。在两个模型家族的仓库级issue解决任务上，该配方训练后的成功率高于基线。研究还对比了优化器选择以及各配方组件的效果。
AI 根据报道生成 · 55 分钟前更新
最新进展10月15日 11:17
研究提出单rollout异步配方，称仓库级issue解决成功率高于基线。报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- AGI Hunt人大高瓴等机构长程 Agent RL 训练配方研究：Muon 优化器 + 单 rollout 异步学习提升仓库级解题成功率
人大高瓴、杜克、中科院等机构提出长程 Agent RL 的 single-rollout 异步训练配方，无需等同一问题的多条轨迹即可更新策略，在两个模型家族的仓库级 issue 解决任务上训练成功率高于基线。完整配方为 Muon 优化器 + token 平均损失 + 截断重要性采样，并加入长度与工具错误辅助惩罚。研究还对比了优化器选择与各配方组件的效果。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。