#智能体训练

共 4 篇相关文章

一个仅用PPO算法在空旷环境中独自训练的强化学习足球策略，在多智能体对抗中自发涌现出争抢球权、射门和防守等复杂行为。本文解析涌现行为背后的原理及其对AI开发的启示。

Lingbot World 是一款在 Hugging Face 发布的开源权重世界模型，拥有140亿参数、因果自回归架构，并针对推理速度优化。本文解析其技术架构、开放策略及在智能体训练、机器人规划等场景中的应用潜力，适合AI开发者与研究者参考。

深入解析强化学习在AI智能体中的应用演进：从RLHF到Agentic RL，涵盖PPO与GRPO算法对比、稀疏奖励处理、工具调用优化及可验证奖励等核心技术，助你全面掌握智能体训练实践要点。

Anthropic团队深度分享Claude智能体构建经验，涵盖Claude Code SDK使用、多智能体协同、工具设计原则及Skills能力注入等实战技巧，帮助开发者高效构建AI Agent应用。