Meta新研究：AI Agent发展方向将从刷榜转向中训练 注：63个字符，保持核心技术词汇前置，突出研究差异点，避免过度营销词，符合专业文献标题风格
2025年，AI竞争的焦点正经历本质性变革——从单纯的基准测试比拼转向Agent的实际任务完成能力。xAI与Anthropic等行业巨头发布新品时，都不约而同强调同一关键能力：自主完成复杂长流程任务。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
这折射出一个清晰共识：通用Agent能力将成为AI领域的下一块高地。
但现实远比理想残酷。
除编程领域外，Agent的实际落地应用屈指可数。核心瓶颈之一在于反馈机制的困境：预训练模型要蜕变为强大Agent，必须通过与真实环境交互获得反馈。遗憾的是，现有反馈机制要么效果有限，要么成本高昂。
2025年10月，Meta等机构发表的论文《Agent Learning via Early Experience》提出中间路线——"中训练"范式，试图以经济高效的反馈形式，为Agent发展搭建关键桥梁。(论文链接：https://arxiv.org/abs/2510.08558)
01 反馈机制的双重困境
在探讨Meta的解决方案前，我们有必要了解当前Agent训练面临的两大核心挑战。主流训练方法各有其难以逾越的局限。
第一种方法是模仿学习(SFT)，依赖"高成本的静态反馈"。这种方法要求Agent像学生背诵范文一样，模仿人类专家的操作示范。
高质量专家数据本就难以大规模采集，更致命的是其能力的局限性：静态反馈仅告诉模型"应该怎么做"，却无法传达"不这样做的后果"。这一缺陷导致Agent在遇到训练数据外的情况时极度脆弱，难以适应环境变化。
第二条路是强化学习(RL)，依赖"复杂的动态反馈"。Agent通过环境奖励信号进行试错学习。虽然可以无限探索，但由于依赖清晰的奖励信号，在实际应用中往往效率低下。
现实世界的复杂任务（如网页浏览、多步骤工具使用）往往缺乏明确即时的奖励信号。在多步骤任务中，奖励可能延迟到操作序列最末端才出现，甚至模糊不清。这种"功劳分配"难题使得训练过程极不稳定。
目前语言Agent环境普遍缺乏支持大规模RL训练的基础设施，包括可靠的模拟器、标准化重置机制和可扩展评估平台。这导致RL应用严重依赖精心设计的奖励函数。
结果形成了两难困境：简单的训练不够强大，强大的训练难以应用。
02 "中训练"范式的突破
Meta的工作提出了名为"早期经验"的创新方案：让Agent从自身探索中获得学习信号。
这一方法基于一个深刻洞见：Agent自主探索产生的环境状态变化，本身就是宝贵的学习资源。
举个例子，训练Agent预订机票时，传统模仿学习只会展示成功案例。而"早期经验"会鼓励Agent自主尝试：输入错误日期会怎样？填写错误证件号码会产生什么结果？每次尝试后，Agent可以观察系统反馈——提示信息、页面跳转、表单状态变化等。
研究者设计了两种具体训练策略：隐式世界建模和自我反思。
隐式世界建模(IWM)的核心是训练Agent预测"行为会产生什么结果"。具体流程包括：
自主探索：在每个示范状态下，生成多种备选动作；
记录数据：真实执行这些动作并记录环境响应；
训练预测：让模型学会基于"当前状态+动作"预测"未来状态"。
自我反思(SR)则让Agent学会解释"为什么专家示范最优"。步骤包括：
对比分析：同时观察专家动作和自主尝试结果；
生成反思：通过大型语言模型分析专家选择的合理性；
训练决策：让Agent先进行反思推理，再输出正确动作。
实验结果显示：
• 平均成功率比传统模仿学习提升9.6%
• 新任务表现提升9.4%
• 为强化学习提供更好的初始化表现
03 中训练的理论基础
Google DeepMind的最新研究证明，优秀Agent必须拥有精确的"世界模型"。"早期经验"的成功在于让Agent建立起对环境的因果理解。
这一成果凸显了三段式训练范式的价值：
第一阶段(预训练)：获取语言和知识基础
第二阶段(中训练)：构建世界运行规律认知
第三阶段(后训练)：优化具体任务策略
04 参数效率的飞跃
"早期经验"展示了参数优化的新可能。通过深度递归训练，700M参数的小模型在某些任务上超越了大十几倍的模型。
这表明传统扩展模式的边际效益递减。而深度递归训练这类方法，可能开创Test Time Compute的新Scaling Law。
论文地址：[2510.08558] Agent Learning via Early Experience
热门专题
热门推荐
2026年的夏天，一片金色的阳光 那是2026年一个周日的上午，天气热得发烫，天上的云朵仿佛都被烈日烘烤得卷了边。我和妹妹坐在妈妈的电瓶车后座，正赶往书法学馆。 车子刚到保利东湾北门，麻烦就来了——电瓶车的内胎毫无预兆地瘪了下去。妈妈赶忙向岗亭伞下的保安叔叔求助，询问有没有打气筒。对方摇了摇头说没有
黄河：一条河流与一个文明的塑造 自西向东，跨越5464公里，黄河的旅程本身就是一曲不屈不挠的史诗。它绕过高山，流过平原，穿越沙漠，在地图上勾勒出一个雄浑的“几”字形。而正是在这条大河的臂弯里，华夏文明的诸多基石被一一奠定。 黄河所滋养的，是一种丰富、多样且源远流长的文化。传说中的黄帝与炎帝，这两位杰
库克交棒进行时：折叠屏iPhone重任，已移交继任者特努斯 科技圈又有新动向。根据知名记者马克·古尔曼的最新报道，苹果公司的权力交接正在产品层面悄然推进。就在4月27日，消息指出，CEO蒂姆·库克已经开始将一条堪称“实力担当”的核心产品线，正式移交给他的继任者约翰·特努斯。而这条产品线的重中之重，正
家乡的母亲河 在成都，有一条河无人不晓，那便是锦江。她承载着漫长的历史，成都人更习惯唤她一个亲切的名字——府南河。这声称呼里，饱含着我们对母亲河的深厚敬意。 历史上的府南河，河水清澈见底。诗圣杜甫曾在此留下千古名句：“窗含西岭千秋雪，门泊东吴万&里船。”要知道，古时没有火车飞机，交通全靠舟车。对深处
十一月份悄然而至 十一月份，真是个奇妙的月份。天气的脾气变化多端，让人捉摸不透。有时它会骤然变脸，寒气逼人，时不时还洒下一场鹅毛大雪；有时却又阳光和煦，暖意融融，直照得人心里亮堂堂的；偶尔，它还会飘下丝丝凉雨，带来一阵清爽。 瞧，这就是入冬以来的第一场雪，我们期盼已久的景象终于成了真。起初，天空只是