dair_ai· @dair_ai · X·· 15 小时前AI 评分
Meta AI 论文提出 MIRA，用外层元推理器与执行器拆分改进研究智能体的下一步决策
Elvis Saravia 介绍 Meta AI 关于研究智能体如何决定下一步研究方向的论文 MIRA。该方法将智能体拆为外层元推理器与新执行器：外层读取持续研究记录并写下一份工作指令，执行器负责执行，决策只发生在工作指令边界，作者在这些点训练 critic 预测剩余收益，再训练单一 actor-critic（MIRA-AC）同时评估部分进展并选择下一步研究。
Meta AI 出了一篇超赞的论文，讲的是决定下一步研究什么的研究智能体。
（收藏一下）
如果你运行长时程的研究智能体，选择下一项调查是很难学会的，因为在长轨迹中这类决策很稀少，而且它们的影响要过好几步才会显现。
MIRA 把智能体拆成了两部分。
一个外层的元推理器读取持续更新的研究记录，并为下一项调查写下工作指令。
一个全新的执行器负责执行每条工作指令。
决策只发生在工作指令的边界处，因此作者在这些点上训练一个评论家来预测剩余回报，然后训练一个单一的 actor-critic（MIRA-AC），既能评估部分进展，又能选择下一项调查。
即使不训练，这种拆分也能提升定理证明和开放式架构研究的效果。
在模型自身的代理信号上训练后，MIRA-AC 在全部四个自动研究环境中都提升了 gold 分数。
论文：arxiv.org/abs/2610.02525
与论文对话：academy.dair.ai/papers/learn…
来源：dair_ai · x.com