多尺度策略优化MPO:按对话轮次分配信用,长程Agent任务超出强RL基线

Hugging Face Papers 收录的论文提出多尺度策略优化(MPO),针对长程 LLM Agent 的“轮级信用分配”问题改进强化学习,在 4B 与 30B-A3B 模型上报告了优于强 RL 基线的结果。这更接近训练方法层面的进展,不等于可直接使用的产品。

Hugging Face Papers 收录的论文提出多尺度策略优化(MPO),针对长程 LLM Agent 的“轮级信用分配”问题改进强化学习,在 4B 与 30B-A3B 模型上报告了优于强 RL 基线的结果。这更接近训练方法层面的进展,不等于可直接使用的产品。

The Information 报道称 OpenAI 计划在继续采购英伟达 GPU 的同时购买 Google 的 TPU 芯片,若属实,这意味着 OpenAI 的算力来源将从单一依赖英伟达走向多元化,Google 也可能获得一个重量级外部客户。目前该消息尚未得到 OpenAI、Google 或路透社的独立验证…

客服AI创业公司Chatbase创始人Yasser Elsaid公开承认,自己此前“AI时代用小团队就够了”的判断是错的,公司将从40人扩至约80人。这提供了一个与“AI裁员换效率”主流叙事相反的真实案例。

AppsFlyer EMEA 总经理 Alex Grach 在 TechRadar 撰文指出,英国数字广告支出今年预计达 450 亿英镑,但衡量数据碎片化正让 AI 优化预算的动作放大偏差;营销团队需要先把移动端级别的归因与数据治理补齐,AI 才可能真正兑现 ROI。

2026 年 10 月 28 日,FreeApply 在 Hacker News 的 Show HN 板块发布一款免费求职 MCP 工具,它不另建云端服务,而是接入 Claude Desktop、Cursor、VS Code、Windsurf 等用户已有的 AI 应用,在本地完成职位搜索、自动投递和申请跟踪。

Meta 推出了一款类似 Tamagotchi 的 AI 宠物养成应用 Waddle World,目前仅在菲律宾上线。它把写日记、聊天和宠物互动结合起来,让用户在与 AI 的日常陪伴中留下训练语料和交互数据;这可以看作 Meta 的一次区域性验证,先观察用户接受度,再决定是否扩大范围。

Business Insider 探访亚马逊加州 Tracy 仓库,机器人已接管搬运和部分分拣,但员工仍在拣货、打包和处理故障;该仓员工从开业时约 1000 人增至 3000 多人,岗位正在向机器人运维和调度转移。

据 The Information 报道,OpenAI 计划在继续采购英伟达 GPU 的同时,购买谷歌的 TPU 芯片,交易金额和细节尚未披露。若消息属实,这将是 OpenAI 在算力供应链上一次耐人寻味的多源布局。

客服 AI 创业公司 Chatbase 创始人 Yasser Elsaid 公开承认,此前相信“AI 时代用精简团队就够了”是判断错误;公司员工已从 17 人增至 40 人,并计划未来六个月再翻倍。

Google 为 Gemini Notebook 移动端加入原生录音工具,支持最长一小时录音并自动转成文字稿,但转写完成后原始音频会被丢弃,这让它更像速记工具而非录音存档工具。