Agent「凭啥」自主发现RL算法？ 人工智能（AI）的主要目标之一，是设计出能够像人类一样在复杂环境中自主预测、行动、最终实现目标的智能体（Agent）。智能体的训练离不开强化学习（RL），相关研究也已经持续了几十年，但让智能体自主开发高效的 RL 算法的 ...

在今年的9月19日，清华天才物理系的姚顺宇宣布：从Anthropic公司离职，在9月29日加入对手谷歌的Google DeepMind。 而根据他自己所说的，他之所以会选择离开Anthropic公司，有很大的原因是因为这家公司将中国描述为了“敌对国家”。 Anthropic的“敌对国家”论调 姚顺 ...

几个月前，强化学习之父Richard Sutton曾公开指出当前大语言模型缺乏持续学习能力。2025年10月22日，DeepMind在《Nature》上发表的一篇题为《Discovering state-of-the-art reinforcement learning algorithms（发现最先进的强化学习算法）》的论文，似乎正是对这一批评的直接回应。