算法论文8
ERL：复杂任务性能提升81%的新范式
新智元
AI 摘要
美国两校研究团队提出ERL训练范式，引入「经验学习」。模型经尝试、反思、再尝试，内化经验。在复杂任务中性能提升显著，Sokoban最高提升81%，或成构建智能体重要基础。
阅读原文 · 新智元
告别纯奖励试错！二次尝试+反思蒸馏，复杂任务提升81%
美国南加州大学和宾夕法尼亚大学团队提出新训练范式ERL，将「经验学习」引入强化学习，通过二次尝试和反思蒸馏，在复杂任务中性能显著提升，为构建长期自主智能体提供新思路。
关注公众号
扫码关注
第一时间收到每日精选
相关文章
新闻资讯9
GPT-6考过真车科目二 成唯一通关者
本文报道湾区极客搭建DrivingBench真车驾考场景，让四款未经过专门驾驶训练的通用大模型挑战科目二，最终GPT-6 Astra成为唯一通关者，颠覆了自动驾驶行业的传统逻辑。
新智元
新闻资讯8
Anthropic送Claude Code最高250美元
本文报道Anthropic推出正式版Claude Code云端会话功能，为符合条件的老用户发放最高250美元免费赠额，推广云端离线跑代码新能力，介绍了活动规则、功能特点及业内讨论。
新智元
新闻资讯8
ChatGPT将推500美元Pro Max套餐
本文爆料OpenAI正筹备月费500美元的ChatGPT Pro Max订阅套餐，价格为现有顶配的2.5倍，主打最快算力优先级，面向重度生产力用户。因前沿大模型算力消耗过大，业界讨论顶尖AI是否会成为高价特权。
新智元
新闻资讯9
吴泳铭：千问将训练5-10万亿参数新模型
本文整理阿里CEO吴泳铭在2026杭州云栖大会的演讲，提出机器将成为思考主力，智能将成为规模化商品，公布阿里AI三大基石最新进展与目标
InfoQ