有趣的是，您却认为大语言模型并没有真正吸取“苦涩的教训”。**Dwarkesh Patel：**不知道您是否认同，我想关键点或许在于，有人认为模仿学习能够为模型提供一种先验知识，让它们在进入您所谓的“经验时代”之前，就已经具备一种合理的解决问题的能力。**Richard Sutton：**在每一个“苦涩的教训”的案例中，你都可以先从人类知识入手，然后再去做那些可扩展的事情。相比之下，大语言模型的预

赋能多模态场景应用。

据介绍，Genie 它由一个时空视频 tokenizer、一个自回归动力学模型和一个简单且可扩展的潜在行动模型组成，具有 11 B 参数，可以用它从未见过的图像（如现实世界的照片或草图）进行提示，使人们能够与自己想象中的虚拟世界进行互动——本质上就是充当一个基础世界模型。

GLM-5V-Turbo 作为新一代多模态基座模型，在保持纯文本场景下编程、推理、工具调用等能力的前提下，在多模态 Coding、Tool Use、GUI Agent 等方面取得了极具竞争力的性能。

GLM-5V-Turbo 作为新一代多模态基座模型，在保持纯文本场景下编程、推理、工具调用等能力的前提下，在多模态 Coding、Tool Use、GUI Agent 等方面取得了极具竞争力的性能。

有趣的是，您却认为大语言模型并没有真正吸取“苦涩的教训”。**Dwarkesh Patel：**不知道您是否认同，我想关键点或许在于，有人认为模仿学习能够为模型提供一种先验知识，让它们在进入您所谓的“经验时代”之前，就已经具备一种合理的解决问题的能力。**Richard Sutton：**在每一个“苦涩的教训”的案例中，你都可以先从人类知识入手，然后再去做那些可扩展的事情。相比之下，大语言模型的预

一周热门｜重磅！AI无限学习、进化，研究登上Nature；Meta提出多模态模型训练方法Transfusion

索尼 AI 推出首个公开可用的、全球多元化的、基于用户同意的数据集。

AI Agent 已逐渐从科幻走进现实——不仅能够执行编写代码、调用工具、进行多轮对话等复杂任务，甚至还可以进行端到端的软件开发，已经在金融、游戏、软件开发等诸多领域落地应用。然而，当前的 AI Agent 在训练与优化环节却面临着严峻挑战，传统强化学习（RL）方法也在复杂、动态交互场景下表现不佳。为此，微软团队推出了一个灵活、可扩展的框架 —— Agent Lightning，其可对任何 AI

强化学习（Reinforcement Learning，RL）正成为当下机器学习中最热门的研究领域之一。与常见的监督学习和非监督学习不同，强化学习强调智能体（agent）与环境（environment）的交互，交互过程中智能体需要根据自身所处的状态（state）选择接下来采取的动作（action），执行动作后，智能体会进入下一个状态，同时从环境中得到这次状态转移的奖励（reward）。强化学习..