DAIR.AI：微软和同事们发表了一篇关于优化代理框架的优秀论文。当前的优化…

微软和同事们发表了一篇关于优化代理框架的优秀论文。当前的优化器只改变框架的更新方式，而保持训练场景不变，这样反馈总是来自那些随着框架改进而不再有信息价值的任务。这项工作则会动态调整训练场景。ActiveSaddler将重复出现的失败归纳为失败模式，并将每个模式视为非稳态多臂老虎机中的一个臂。它跟踪框架从每个模式中学到的信息量，并在重新探索已知弱点和寻找新弱点之间分配预算。使用同样的优化器，

—— DAIR.AI (@dair_ai) X帖子｜2026-10-04T05:39:01+00:00
原帖：https://x.com/dair_ai/status/2106620084542419257