由牛津大学、上海AI Labs、新加坡国立大学等16家研究机构联合发表的 100 页综述首次系统提出 Agentic RL（代理式强化学习） 范式：把大语言模型（LLM）从“一次性文本生成器”升级为“可在动态环境中持续感知、规划、行动、反思的自主智能体”，并给出统一理论框架、能力图谱、任务全景与开源资源大盘点。

一、为什么需要Agentic RL？

从 LLM-RL 到 Agentic RL 范式迁移概览

传统 LLM-RL	Agentic RL
单轮问答	多轮交互
静态 prompt → 静态回答	动态环境状态 → 动作 → 新状态
reward 只评“答得好不好”	reward 还评“做得对不对”
退化 MDP（T=1）	标准 POMDP（T>1）

二、理论框架：用 POMDP 把“LLM 当 policy”

给出形式化七元组
⟨S,A,P,R,O,γ⟩，其中

• A = A_text ∪ A_action：模型既可“说话”也可“调用工具/执行命令”
• O 为局部可观察文本/图像/代码等多模态信号
• R 支持稀疏（任务成败）或稠密（中间步骤）奖励

与传统 PBRFT 的逐项对比

PO, DPO, GRPO家族对比

三、RL 如何“点亮”六大模块

图 3：Agentic LLM 与环境之间的动态交互过程

能力	RL 作用	代表工作
Planning	外部搜索（MCTS）或内部策略梯度直接优化计划	LATS、AdaPlan
Tool Use	从模仿 ReAct → 奖励驱动 TIR（Tool-Integrated Reasoning）	ToolRL、ReTool、OpenAI o3
Memory	把静态 RAG 升级为“RL 决定何时写/删/查”	Memory-R1、MemAgent
Self-Improvement	自生成 critique → 在线 DPO/GRPO 更新	Reflexion、R-Zero、Absolute Zero
Reasoning	慢思维“长链推理”由过程奖励塑形	DeepSeek-R1、o1/o3
Perception	视觉/音频/3D 任务统一用 GRPO 优化	Vision-R1、SVQA-R1、EchoInk-R1

Agentic RL 6 大核心能力板块

四、任务视角：十大战场全景图

图 6：按时间轴梳理的“任务进化树”。

领域	关键趋势	开源亮点
Search & Research	从单轮 RAG 到多轮深度研究	Search-R1、WebSailor、DeepResearcher
Code	函数级 → 文件级 → 仓库级 SWE-bench	DeepSWE、SWE-RL、Qwen3-Coder
Math	非形式化 + 形式化（Lean/Isabelle）双轨	DeepSeek-Prover、Leanabell、STP
GUI	静态截图 → 在线真机交互	UI-TARS、DiGiRL、ZeroGUI
Vision	被动看图 → 主动“用图思考”	Vision-R1、Ground-R1、Got-R1
Embodied	VLA 模型 + 轨迹级奖励	VLN-R1、TGRPO、VIKI-R
Multi-Agent	去中心化训练 & 博弈自博弈	MAGRPO、SPIRAL、Chain-of-Agents

开源环境 & 框架速查表

搜索与研究Agent

代码与软件工程Agent

数学推理Agent

GUI Agent

Multi-Agent框架

汇总 50+ 环境与基准

汇总 15 个 RL 框架

类型	推荐上手
Web 任务	WebArena、VisualWebArena、AppWorld
代码任务	SWE-bench、Debug-Gym、R2E-Gym
多智能体	SMAC-Exp、Factorio、PaperBench
框架	OpenRLHF、trlX、EasyR1、AgentFly、AWorld

https://arxiv.org/pdf/2509.02547
The Landscape of Agentic Reinforcement Learning for LLMs: A Survey
https://github.com/xhyumiracle/Awesome-AgenticLLM-RL-Papers

AI大模型学习和面试资源

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓