强化学习新方法:让LLM智能体经验交接也被训练

一篇 2026 年 11 月发布在 Hugging Face Papers 的论文提出经验交接强化学习(Experience-Handoff RL),在固定的智能体框架下,用同一模型分别扮演行动、反思和整理经验库的角色,并把“经验交接物”对未来行动的效果纳入优化。它值得关注,因为智能体训练可能不再只优化当前动…
先解决问题,再了解资讯。选择你现在要完成的任务。

一篇 2026 年 11 月发布在 Hugging Face Papers 的论文提出经验交接强化学习(Experience-Handoff RL),在固定的智能体框架下,用同一模型分别扮演行动、反思和整理经验库的角色,并把“经验交接物”对未来行动的效果纳入优化。它值得关注,因为智能体训练可能不再只优化当前动…

Anthropic 的 Claude Fable5.2 没有文生图模型,却通过逐笔执行代码在虚拟画布上作画,一张停车场购物车用了约70万次笔触。这是大模型把绘画拆成可执行程序指令的一种尝试,与扩散模型的图像生成路径不同。

谷歌宣布美国地区的 Gemini 用户可通过 Personal Intelligence 连接 Google Wallet,让 AI 读取交易记录并回答消费、预算和储蓄问题。这值得关注,因为 AI 助手开始进入个人财务这一高频且敏感的场景,同时与 OpenAI 的相关布局直接形成对照。

腾讯 WorkBuddy 国际版宣布集成谷歌 Gemini4Carbon 大模型,面向 Pro 订阅用户开放调用,后者支持最高 100 万 token 的输入输出上下文,主打长链路、复杂推理任务。

据科技博主 Mark Gurman 透露,苹果计划在 2027 年 6 月的 WWDC 上发布首款 AI 眼镜,内部代号 N50,预计当年年底前上市。这款产品不走 AR 显示路线,而是以 Siri 语音助手加摄像头环境感知为核心,试图让用户少掏 iPhone。

华为云宣布将于2026年11月16日发布首款昇腾原生具身世界模型CloudRoboWM1.2,目标是把具身智能从实验室研发推进到产业规模化部署。

腾讯总办在2026年LinkTime周年活动中披露,WorkBuddy上线约八个月即成为中国单一AI产品中token供给量最大的一款;与此同时,总办强调AI应用开发仍处早期,行业需“重新创业”。

OpenAI于2026年11月15日上线科学博客,给科研人员一个分享AI如何用于发现与实验的渠道,同时披露了近期在数学和生物学上的阶段性成果。

Hugging Face Papers 收录的论文提出 Agent-R^2 数据合成框架,从真实网页语料中构建 4k 条生产力任务样本,训练出的 4B 智能体在 GDPval 与 OfficeQA 两项评测上小幅超过 Qwen3-235B-A22B-Thinking-2507,重点指向“真实工作场景数据稀缺”…

OpenAI 访问科学家 Nathaniel Craig 与 GPT-6 Astra 合作,在 10 月预印本中提出标准模型的格点候选定义,AI 参与了策略到构造的转化并主导详细证明。这展示了前沿大模型在基础物理理论推演中的实际参与,而非产品发布。