有了swe-agent的强化学习data scaling law，接下来swe-code-cli更是要突飞猛进了，传统的code，发抖吧：从强大的思考者LRM到自主的行动者Agent，其演化路径清晰地呈现为一个【四部曲】： 1内在思考： LRM利用思维链等能力，在内部形成解决问题的抽象因果蓝图。 2交互具象化：通过ACI这座桥梁和ReAct范式，将抽象蓝图转化为与真实世界交互的、具体的{Th

#SWE-agent #强化学习 #数据缩放 #自主行动者Agent #模仿学习

相关新闻

Gorden Sun

1周前

Agent Lightning：训练用于智能体的LLM的框架微软开源的框架，用于训练服务于智能体的LLM，使用基于强化学习的训练方法。智能体的执行和训练解耦，可以与已有的智能体集成。目前已有7.6K Star。 Github：论文：

Leo Xiang

1周前

OpenAI 上半年支持了基于强化学习的微调，国内不知道有没有厂商提供这种类似的强化学习微调API ？

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

2周前

一个直觉：符号智能与NLP的语义结构更适合递归式推理，而不是直接用RL优化生成。 ⚙️ 但在更高层的“认知控制”层面： RL 仍然可以用于学习“何时调用递归”、“何时选择推理路径”、“何时停止生成”。 🧠 也就是说：递归是语言的“结构机制”； RL 是认知控制的“策略机制”。未来的 Cognitive AI 很可能会融合这两者： •底层用递归表示语言和逻辑； •高层用RL选择推理和行

Orange AI

2周前

叹为观止人类幼崽进行强化学习的宝贵录像其智能程度在训练初期已经显现

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

3周前

当强化学习之父说"LLM是死胡同"，当OpenAI创始成员说"RL很糟糕"，这不是互相否定，而是同一个深渊的两个入口。Karpathy批判学习信号的稀疏，Sutton批判学习对象的悬浮——两种绝望背后，是符号与具身、表征与经验之间那道古老的鸿沟。

关联事件

AI编程工具激战：Claude Code、Gemini Cli崛起

1169

Claude Code持续快速发展，功能不断增加，竞争日益激烈。开发者社区积极探索其功能、应用并分享经验，第三方工具和应用生态系统不断涌现。Prompt工程的重要性日益凸显，Warp等终端Agent崭露头角。Cursor的Diff AI Edit能力被Cline开源。Claude正添加记忆功能以优化用户体验，与ChatGPT竞争。Gemini发布了类似的AI编程产品Gemini Cli。同时，开发者们也在积极探索如grep/ast-grep等工具在LLM时代Code Agent中的应用，以及如何利用AI优化产品经理的工作流程。此外，市场上还出现了“改版Claude-Code+订阅账户”的方案。