IXThinker·2026-07-26 13:30

清華騰訊破解Agent訓練Rollout成本瓶頸

大模型在智能體場景做強化學習後訓練，最易被低估的成本是滾動生成。有內地高校與企業團隊針對此瓶頸提出解法，指出智能體任務每一次完整交互都是一次滾動生成，預算消耗遠超想像。

成本新認知

普通數學題的訓練成本主要在生長推理鏈，智能體場景卻不同：模型要一步步思考、調用工具、接收環境反饋再決定下一步，每次完整交互軌跡都是一次滾動生成，開銷倍增。