让研究
记录团队的思考、方法与实验。
近期更新
【学术研究】言表实验室正式开源 ForgingMA：面向专家智能体的自演化多智能体强化学习框架
智能体完成了任务，却未必能从任务中学到什么。ForgingMA 通过记录规划、协作与工具调用过程，将环境反馈转化为持续优化信号，推动智能体从"完成一次任务"走向"在一类任务中持续变强"。项目现已基于 MIT License 开源。
阅读全文 →【学术研究】Agentic RL 重塑AI智能体新范式
如果说传统的大语言模型更像“学霸”，那么经过 Agentic RL 训练的大模型正在成长为“职业经理人”——不仅知道答案，更懂得如何规划、使用工具、记忆反思，在动态世界中自主完成任务。
阅读全文 →全部博客
【学术研究】言表实验室正式开源 ForgingMA：面向专家智能体的自演化多智能体强化学习框架
智能体完成了任务，却未必能从任务中学到什么。ForgingMA 通过记录规划、协作与工具调用过程，将环境反馈转化为持续优化信号，推动智能体从"完成一次任务"走向"在一类任务中持续变强"。项目现已基于 MIT License 开源。
阅读全文 →【学术研究】Agentic RL 重塑AI智能体新范式
如果说传统的大语言模型更像“学霸”，那么经过 Agentic RL 训练的大模型正在成长为“职业经理人”——不仅知道答案，更懂得如何规划、使用工具、记忆反思，在动态世界中自主完成任务。
阅读全文 →【学术研究】《从单一最优到多样最优：深度强化学习如何革新TSP多解优化｜KDD 2025 论文解读》
旅行商问题（TSP）是组合优化的经典代表：如何规划一条最短路径，让旅行商访问每个城市恰好一次并返回起点。然而真实的业务场景远比教科书中复杂，比如遇到物流配送中某条道路临时封闭、不同客户对送达时间或路线偏好不同、多车辆协同需分散车流以避免拥堵等问题。因此，我们往往不只想要“一个最优解”，而是希望得到多个高质量且互不相同的可行路径，供决策者根据实际情况灵活选择——这就是多解旅行商问题（MSTSP）的核心诉求。
阅读全文 →【学术研究】用强化学习训练大模型真正学会“边思考，边搜索”
原文地址：https://arxiv.org/pdf/2503.09516
阅读全文 →【学术研究】奖励稀缺，用Uniqueness-Aware RL治愈大模型的“策略懒惰病”
当你让AI求解方程x²-5x+6=0，它连续给出32种解法，细看却发现全是二次求根公式的变体——这种“策略懒惰”并非玩笑，而是当前大语言模型强化学习中广泛存在的“探索崩塌”危机。
阅读全文 →【学术研究】大语言模型正在成为“会思考的行动者”
近期一篇题为《Agentic Reasoning for Large Language Models》的综述论文，系统阐述了AI领域正在发生的范式转移。这不仅是技术的演进，更是对智能本质的重新思考。
阅读全文 →