算法论文8

UCLA论文：SAMPO算法拯救Agent RL训练崩溃

深度学习自然语言处理2026-03-04

AI 摘要

UCLA等校论文指出，Agent RL训练因多轮交互问题易崩溃。通过ARLArena框架分析，得出反直觉结论，提出SAMPO算法，测试显示性能提升，还为从业者提供实用建议。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

1k星可编辑AI设计设计师天塌了

本文介绍上线不久就收获1k Star的开源项目Editable Design，该项目针对AI设计交付后无法灵活修改的痛点，提出由Agent生成带结构的可编辑设计，支持HTML和PPTX格式，适配需要反复修改的设计场景。

本文介绍Meta在Connect大会重金押注个人AI智能体Muse，Muse上线两周下载破250万，带动Meta股价涨超20%、市值暴涨2000亿美元，随后被路透曝出测试打电话功能时悄悄用真人外包代打，引发隐私争议后紧急下线。

月之暗面Kimi在发布Kimi Code Desktop后，升级原有的Kimi WebBridge，推出新版Kimi浏览器扩展，新增侧边栏入口，支持将网页操作录制保存为Skill方便后续复用，适合处理重复网页工作，和Kimi Code Desktop配合拓展了Agent的能力边界。

本文解读Jev和TierSense项目，提出将Agent判断层从大模型生成中拆分，交给专用轻量模型，介绍TierSense能力、实验数据，探讨专用判断模型优化Agent效率的新方向。