狀態匹配蒸餾提升多輪代理效能
SMRC-SD 解決多輪代理在特權式 on-policy 蒸餾中的狀態與參考軌跡不匹配問題。它只在學生代理目前狀態符合參考軌跡時提供指導，並建立以該狀態為條件的教師上下文，使 Qwen3-1.7B 在 ALFWorld 的任務成功率從 0.746 提升至 0.865，在 WebShop 則從 0.574 提升至 0.693。
Search
Tag: #agent-training10 results
教龍蝦玩手機！打通GUI智能體全流程
Lobster提供訓練、評測、部署GUI智能體的一站式解決方案，可用於真實手機裝置。無需人工干預或預設腳本。這簡化了自主手機互動開發。
AutoPlay 透過探索擴展代理任務生成
Apple 的 AutoPlay 可擴展合成任務生成，用於後訓練 MLLM 在電腦使用、網頁導航和機器人等代理領域。透過探索克服昂貴的人工註解和有限提示，生成多樣、可行、可驗證的任務。此方法大幅提升任務覆蓋率。
卡帕西開源Agent自進化訓練框架，5分鐘一輪實驗，48h內攬星9.5k
卡帕西開源Agent自進化訓練框架，實驗週期僅5分鐘。48小時內GitHub星標飆升至9.5k。下一步模擬整個博士社群。
CoderForge-Preview：訓練高效編碼代理的SOTA開放資料集
Together AI 發布 CoderForge-Preview，這是用於訓練編碼代理的最大開放資料集。它包含 161K 個經過測試驗證的編碼代理軌跡，在 SWE-Bench Verified 上達到 59.4%。
港中文聯合美團為Agent添加「過程分」
港中文與美團研究人員開發了 Agent-RRM，一種獎勵模型，能評分整個 Agent 軌跡的推理品質與工具使用，而非僅看最終結果。他們整理了註解軌跡數據集，並建置 Reagent 框架，將文字反饋與分數整合進訓練。此舉解決多步驟任務如網路搜尋與程式碼撰寫中的稀疏獎勵問題。
ALTK-Evolve：AI 代理的在職學習
Hugging Face 推出 ALTK-Evolve，這是一種用於 AI 代理的在職學習新技術。此方法讓代理能在真實任務中直接學習與適應。目標是提升代理效能，而無需完整重新訓練。
OpenClaw上的夢幻11 AI代理
作者詳述在OpenClaw上建構11個足球啟發的AI代理，用於郵件篩選、領袖追蹤、論文分析和內容創作等任務。強調OpenClaw如「空白土地」，需透過聊天定義角色，而非UI。分享設定以啟發安裝後應用，使用GLM5和Kimi K2等模型。
AI 代理無法自學新技巧
一項研究顯示，AI 代理無法有效自學新技能，常導致效能惡化。人類策劃的技能則大幅提升代理能力。教導代理特定任務如資訊擷取效果良好。
⚙️
多模態UI代理沙盒環境
AGB CLOUD提供安全沙盒，用於訓練理解螢幕及操作UI元素的多模態代理。同時支援文字、影像及網頁互動。