#Agentic RL

Agentic RL 新解法！复旦上交开源 A3 框架，用 14B CLI Agent 击败 235B 大模型

作者：苏浩阳，复旦大学Ph.D Claude Code、Codex 让我们看到了编程智能体的潜力，也让一个训练问题变得更加具体：当模型能够连续执行命令、修改文件并根据反馈修正策略时，强化学习如何充分利用这些交互经验？任务最终是否成功提供了监督，但一条轨迹中包含的动作结构与决策差异，远比一个最终分数丰

Agentic RL Infra 主流技术路线综述

做Agentic rl infra也有一段时间了，这期间也一直在跟进国内几家头部大模型公布的RL infra技术细节， 感觉到这个时间点，技术路线已经逐渐趋近收敛， 不太像去年年底那时候agentic rl infra还是刚起步的蛮荒状态。 本文基于 11 份 2025–2026 年公开技术报告与官

“大模型的 Steam”！AgentArk 用 Coding Agent 扩展通用多模 Agent 的 RL 与评测环境

AgentArk 是一个面向多模态智能体的开放环境框架。核心思路是利用 Coding Agent 持续扩展 task，并让同一批环境同时支持 Agentic RL 训练与评测。 AgentArk：https://github.com/P90-RushB/AgentArk AgentArk Hub：h

LoRA 一作、OpenAI o1 核心成员的新工作：首次公开 397B 模型的 Agent RL 训练配方

LoRA 第一作者、OpenAI o1 核心成员 Edward Hu 近期加入 Mercor，担任 Head of AI Modeling。他加入后的首批公开成果之一，便是与 SkyRL 团队联合发布的一套面向复杂知识工作 Agent 的强化学习方案。 这项工作并未止步于公布最终结果，而是系统公开了

周六上午10点！聊聊 RL 后训练框架 SkyRL，以及 397B Agent 的 RL 训练实战

当 Agent 训练从「只训模型」走向「模型 + 环境 + Harness」的协同，有了 RL 数据、也有了 RL 框架之后，接下来该做什么？这大概是一些刚开始做 Agentic RL 的企业团队会遇到的问题。 9月19日（周六）上午10:00，青稞Talk 第155期，青稞社区邀请到 SkyRL

直播预告！如何在真实 Coding Agent Harness 中接入 RL？

随着编码智能体从“模型能力”走向“模型 + Harness”协同，工具调用、上下文管理与控制流正在成为影响智能体能力的重要因素。 然而，将真实 Agent Harness 接入强化学习训练并不简单：环境故障与奖励投机会污染训练信号，训练与推理环境的差异也可能导致策略更新偏离真实 Agent 行为。

终局奖励之后：从 Apodex 1.1 看长程 Agentic RL 如何分配 credit

如果一个 Agent 用几十轮工具调用完成了一项任务，最后只得到一个 0/1 reward，这个 reward 应该怎样分配给前面的决策？ 这是长程 Agentic RL 中一个很核心、但也很容易被“最终成功率”掩盖的问题。 一条轨迹最后失败，不等于前面的搜索、文件处理和代码执行全部错误；一条轨迹最