热点事件持续更新
微软提出 ActiveSaddler 自动课程学习方法
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
微软提出 ActiveSaddler，用于 agent harness 的自动优化。据 2026 年 10 月 2 日报道，该方法把训练场景选择补作 agent harness 自动优化中此前缺失的一维，并将课程建模为非平稳 bandit：把反复出现的失败抽象为可复用的「失败模式臂」，估计攻克各模式的潜在学习收益，并在重访已知弱点与探索新场景之间自适应平衡。报道称，在 GAIA2 和 Terminal-Bench 2.0 两项基准上，相比固定场景顺序，Pass@1 分别提升 4.4 和 7.5 个百分点。目前公开报道未涉及论文、代码或更多实现细节，也无后续进展披露。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- AGI Hunt微软 ActiveSaddler：自动课程学习让 Agent harness 提升 7.5 个百分点
微软提出 ActiveSaddler，把训练场景选择补作 agent harness 自动优化中缺失的一维，将课程建模为非平稳 bandit：把反复出现的失败抽象为可复用的「失败模式臂」，估计攻克各模式的潜在学习收益，并在重访已知弱点与探索新场景间自适应平衡。在 GAIA2 和 Terminal-Bench 2.0 上，相比固定场景顺序，Pass@1 分别提升 4.4 和 7.5 个百分点。
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。