算法论文8

新范式：Agent无奖励学习突破传统局限

深度学习自然语言处理2025-10-12

AI 摘要

论文提出‘早期经验’范式，让智能体自主探索环境学习，无需奖励信号。实验表明，该方法在多环境中优于模仿学习，提升任务成功率、泛化能力，为强化学习提供更好初始模型。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

Semantica：给Agent加知识图谱

Semantica是LLM、向量库与Agent框架下的语义/上下文层，能把碎片化企业数据变成结构化、可查询的上下文图与知识图谱。介绍了其面向对象、功能、优势、使用方法、架构等内容。

浙江大学和北京大学联合开源Easel，这是面向社媒创作者的内容工作台，用一个Agent打通全链路，有画像驱动等六大亮点，还给出清晰的快速上手流程。

谷歌发布Gemini 3.8 Flash及专攻网络安全的3.8 Flash Cyber。前者性价比高，在多项测试逼近顶级模型；后者在网络安全测试屠榜。但谷歌也被指提前庆祝，且模型可能有‘刷榜’成分。

新加坡南洋理工大学PINE Lab团队研发Facet - 0机器人基础模型，用于精密装配。它在五项计算机装配任务中平均成功率达82%，能让机器人理解接触状态、判断对错并改进。通过多阶段训练，降低人工干预率，提高失败恢复率。