概念智能体强化学习 / 面向智能体的强化学习
Agentic RL
面向AI智能体的新型强化学习范式，需要处理更长的决策链条、更稀疏的奖励信号以及更复杂的状态空间，是RLHF的演进方向
时间轴 (近 90 天)
10月20日
Agima 的训练分为两个阶段：第一阶段用监督微调（SFT）将策略与世界模型统一到同一个全能模型中；第二阶段用智能体强化学习（RL）教模型在想象出的未来上进行推理并用于规划。
待验证50%
9月17日
小米将耗资超过百万美元的智能体强化学习训练过程实时公开直播
已过期50%