面壁智能分析 1338 条轨迹：Agent 几乎不会中途调整训练策略

面壁智能团队发布论文，分析 1,338 条大模型后训练轨迹，发现智能体通常能够执行既定训练方案，却很少在过程中重新选择策略；该结果直接触及自动化后训练和递归自我改进的关键限制。

• 论文将能力区分为执行层与策略层，称智能体在多个基准上能持续改进，但相邻实验仅 2.1% 发生策略切换。
• 研究观察到，经验、记忆和额外推理计算主要改善既定方案的执行细节，没有稳定促成策略重启。
• 在相同检查点和预算下，加入一句人工指导、要求切换备选策略，可使 GSM8K、HumanEval 和 AIME 2025 得分分别提高 17.44、10.80 和 6.67 个百分点。
• 论文样本覆盖 7 个基准、4 个基础模型及 Claude Code、Codex CLI、OpenCode 等工具，但结论仍受任务设置和代理配置影响。
• 影响/看点：如果类似行为在更广泛的后训练任务中成立，未来系统设计可能需要把“何时重开策略”作为显式决策和训练信号，而不是只增加推理预算。
• 资料依据:
• What is Missing from AI Post-Training AI: An Empirical Analysis（2026-09-28）：https://arxiv.org/abs/2608.19072

本内容由 AI 生成，仅供参考，请注意甄别