算法论文8

VerlTool：重塑Agentic RL训练生态

深度学习自然语言处理2025-09-04

AI 摘要

VerlTool重塑Agentic RL训练生态，解决工具管理等难题。它采用模块化设计，异步执行提效显著。实验表明，其训练的智能体性能佳，展现高级智能行为，是迈向通用AI重要一步。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

DeepSeek新模型：性能优且千元图成本不到20美分

DeepSeek首个多模态视觉模型deepseek-v4-flash-vision-exp上线DeepSeek API平台。文本能力与V4-Flash持平，多模态Agent能力逼近Opus-4.8，分析1000张图成本不到20美分，还上线免费Files API。

本文分享基于阿里云 AgentLoop 平台的 DeepSeek Harness 评测实践。介绍了 DeepSeek Harness 工程架构，阐述 AgentLoop 平台接入方式及价值，还详述评估器设计思路、展示评测结果，最后总结方法论并展望后续工作。

香港科技大学（广州）和腾讯团队开源VibeWorlding框架，实现说句话造3D世界。它由VWE - Bench和VibeWorlding - Gym组成，开源模型经强化学习训练后成绩逆袭，证明强化学习解锁3D推理潜力巨大。

OpenAI发文称暂停最新模型强化学习训练两周，加固研究环境、进行红队测试等。部分低风险训练已恢复，最大规模前沿模型训练仍暂停。此举源于Hugging Face安全事故及Astra模型潜在风险。