AI论文速递 | 2025年11月18日
作者：微信文章🔬 AI论文速递 - 2025年11月18日
今日综述
今日arXiv的AI论文显示，智能代理（Agent）与强化学习（RL）是研究核心热点。多篇论文聚焦于代理的动态行为、推理策略优化及多代理协调，例如通过经验引导适应推理策略、零样本协调的大规模训练方法，以及数字代理系统的集成构建。此外，视频理解任务正从感知向推理扩展，采用GRPO、RL和RFT等技术强化端到端学习。总体趋势表明，强化学习相关方法（如DPO、RL）在提升代理智能和复杂任务处理中发挥关键作用，推动多代理系统与自适应推理的发展。
1. Deviation Dynamics in Cardinal Hedonic Games
📅 发布日期：2025-11-14
🏢 研究机构：Meta
👥 作者：Valentin Zech, Martin Bullinger
🔑 关键词：Agent
📝 论文摘要：
Computing stable partitions in hedonic games is a challenging task because there exist games in which stable outcomes do not exist. Even more, these No-instances can often be leveraged to prove computational hardness results. We make this impression rigorous in a dynamic model of cardinal hedonic ga...
🤖 AI解读：
这篇研究直面享乐博弈中长期存在的痛点：稳定分配方案往往难以计算，甚至根本不存在，这种“无解困局”还常被用来证明算法的计算复杂性。论文独辟蹊径，不再局限于寻找静态稳定解，而是转向研究动态偏离过程——观察智能体在博弈中如何通过连续偏离改变联盟结构。
研究者构建了一套元定理框架，仅凭“无解实例”的存在性，就能推导出关于偏离动态收敛性的计算难度结论。这种方法像四两拨千斤，将传统难题转化为动态系统中的收敛判定问题。更巧妙的是，这套理论覆盖了三大类享乐博弈模型，且适用于所有合理的单智能体稳定性概念。
实际验证表明，从单元素分区出发的契约个体稳定动态可能在线性步数内收敛，但最坏情况下需要指数级偏离次数。这种收敛特性的揭示，为理解博弈动态提供了新维度。该研究之所以重要，在于它打破了静态稳定性的思维定势，为处理棘手的计算复杂性问题开辟了动态分析的新路径，让“无解之解”焕发出新的理论价值。
🔗 论文链接：关注获取
2. Experience-Guided Adaptation of Inference-Time Reasoning Strategies
📅 发布日期：2025-11-14
🏢 研究机构：Meta
👥 作者：Adam Stein, Matthew Trager, Benjamin Bowman等
🔑 关键词：Agent
📝 论文摘要：
Enabling agentic AI systems to adapt their problem-solving approaches based on post-training interactions remains a fundamental challenge. While systems that update and maintain a memory at inference time have been proposed, existing designs only steer the system by modifying textual input to a lang...
🤖 AI解读：
这篇研究瞄准了当前AI代理系统的一个核心局限：它们往往在训练完成后就固化了推理方式，无法根据实际使用经验灵活调整解题策略。现有方法要么只能微调文本输入，无法改变底层推理参数或工具配置；要么需要重新训练才能适应，缺乏实时演化的能力。
研究者提出的EGuR系统引入了一个精妙的“策略生成策略”机制——用大语言模型作为策略引擎，能动态生成包含提示词、采样参数、工具调用和流程控制的完整推理方案。系统通过“策略生成器”根据当前问题和历史经验提出候选方案，再由“策略整合器”吸收执行反馈持续优化，形成越用越聪明的良性循环。
在AIME数学推理、3-SAT逻辑问题等五个高难度测试中，这个方法不仅将准确率最高提升了14%，还惊人地将计算成本降低了111倍。更值得关注的是，系统表现出持续学习的能力——使用越久，效果越好且越节省资源。这种将静态知识系统转化为动态成长型智能体的思路，为构建真正具备终身学习能力的AI打开了新的可能性。
🔗 论文链接：关注获取
3. Scalable Population Training for Zero-Shot Coordination
📅 发布日期：2025-11-14
🏢 研究机构：Meta
👥 作者：Bingyu Hui, Lebin Yu, Quanming Yao等
🔑 关键词：Agent
📝 论文摘要：
Zero-shot coordination(ZSC) has become a hot topic in reinforcement learning research recently. It focuses on the generalization ability of agents, requiring them to coordinate well with collaborators that are not seen before without any fine-tuning. Population-based training has been proven to prov...
🤖 AI解读：
当前零样本协作研究面临核心矛盾：传统群体训练方法受算力限制，只能在小规模群体中追求多样性，却牺牲了种群规模带来的泛化潜力。这篇论文的价值在于打破这一瓶颈——它提出的ScaPT框架通过两大创新设计实现突破：参数共享的元智能体将训练成本降低数个量级，互信息正则化则确保大规模群体仍保持策略多样性。在Hanabi上的实验证明，该框架不仅显著超越现有方法，更首次验证了“扩大种群规模直接提升协作能力”的假设。这意味着我们终于能在合理算力成本下，训练出真正具备人类级适应能力的AI智能体——当自动驾驶需要与陌生车辆协同，或工业机器人需即时适配新伙伴时，这种即插即用的协作能力将成为关键支撑。
🔗 论文链接：关注获取
4. VIDEOP2R: Video Understanding from Perception to Reasoning
📅 发布日期：2025-11-14
🏢 研究机构：未知机构
👥 作者：Yifan Jiang, Yueying Wang, Rui Zhao等
🔑 关键词：GRPO, RL, RFT
📝 论文摘要：
Reinforcement fine-tuning (RFT), a two-stage framework consisting of supervised fine-tuning (SFT) and reinforcement learning (RL) has shown promising results on improving reasoning ability of large language models (LLMs). Yet extending RFT to large video language models (LVLMs) remains challenging. ...
🤖 AI解读：
你可能知道，大语言模型经过“监督微调+强化学习”的两步训练后，推理能力会显著提升。但这种方法一直难以直接套用在视频语言模型上——因为视频既包含感知（看到了什么）又涉及推理（为什么如此），传统方法很难兼顾两者。
VideoP2R的巧思在于，它将视频理解拆解为两个环节：先感知后推理。团队首先构建了一个包含16万条高质量思维链的数据集，让模型学会先描述画面内容，再进行逻辑推演。更妙的是，在强化学习阶段，他们设计了“分组相对策略优化”算法，为感知和推理分别打分奖励——就像老师既评判学生观察是否仔细，又评判解题思路是否清晰。
这个方法在七项基准测试中拿下六项第一，证明了分离训练的有效性。更重要的是，它揭示了一个关键洞察：只要感知足够精准，后续推理就能水到渠成。这为多模态模型的发展指明了一条新路径——与其追求端到端的黑箱魔法，不如先让模型学会“看清楚”，再教会它“想明白”。
🔗 论文链接：关注获取
--- End of Daily Digest ---
关注更多AI前沿动态
页:
[1]