直播预告 | 强化学习与智能体专场：AI拿了高分，就真的学会了吗？

关注我们

AI TIME

强化学习聚焦于“怎么学”，即智能体通过在环境中试错，依据回报信号优化策略，无需依赖人工标注。从 AlphaGo 到大模型后训练，均遵循此路径。然而，该领域长期面临回报稀疏、策略泛化能力弱、多智能体协作空间爆炸以及因果归因不明等挑战。

智能体（Agent）则侧重于“怎么做事”，即模型自主规划、调用工具，将模糊目标拆解为长链条行动执行。

当两者结合形成 agentic RL（智能体强化学习），被视为当前关键演进方向：智能体不再局限于预设提示词，而是在环境反馈中自我增强，甚至实现递归式自我改进。

本期 AI 前沿青年讲者计划首期专场，四位嘉宾将从无模型强化学习的记忆机制、无监督强化学习的泛化提升、大规模订单调度的多智能体必要性，到智能体的递归自我改进展开深入探讨。圆桌环节将进一步剖析奖励来源、回报信号有效性及“递归自我改进”的理论边界等核心议题。

何哲

澳门大学计算机科学博士生，研究流式强化学习与持续学习

分享主题：Investigating Memory in Model-Free RL with POPGym Arcade

报告简介：如何判断强化学习智能体是否有效利用记忆？团队提出 POPGym Arcade，利用配对的完全与部分可观测任务，结合评估指标和梯度可视化分析记忆。研究表明，仅凭回报难以公平比较记忆模型；价值函数可能将信用分配给无关历史，异常观测还可能污染记忆，持续影响后续决策。

应铖阳

清华大学 TSAIL 组博士生，研究强化学习在智能体与具身智能中的泛化性

分享主题：从无监督强化学习视角提升强化学习泛化性

报告简介：泛化性是强化学习的核心挑战。无监督强化学习旨在无奖励环境中预训练智能体，使其习得任务无关知识，从而快速适应下游任务。本报告介绍两项工作：基于扩散模型提升无监督强化学习表现，以及跨本体无监督强化学习，统一考量任务泛化和本体泛化。

赵子健

香港科技大学博士生，研究多智能体强化学习与智慧交通

分享主题：Triple-BERT: Do We Really Need MARL for Order Dispatch on Ride-Sharing Platforms?

报告简介：针对网约车平台大规模订单调度中观测空间大、协作效率低、动作空间复杂等问题，提出首个基于集中式单智能体强化学习的调度方法。该方法通过动作分解降低联合动作空间复杂度，并设计参数共享的 BERT 网络，利用注意力机制建模司机与订单间的复杂关系。

赵思杰

东京大学博士生，研究遥感智能体与递归自我改进

分享主题：最后一个由人类构建的遥感模型？——将任意地球观测任务转化为递归自我改进

报告简介：传统遥感模型依赖专家逐任务手工设计。本报告介绍 RSI4EO：将任意可验证的地球观测任务表述为“运行环境+封闭验证器”，由通用编码智能体自主编写和训练模型，并基于上一代模型输出迭代改进下一代。实验显示，智能体构建的模型在四个基准上超越现有最优方法，仅用 0.2%–1.4% 的标注数据即可保持 69%–84% 的精度。