AI在线强化学习“边做边学”，斯坦福团队让7B小模型性能飙升，甚至超越GPT-4o

斯坦福等新框架，用在线强化学习让智能体系统"以小搏大"，领先GPT-4o—— AgentFlow，是一种能够在线优化智能体系统的新范式，可以持续提升智能体系统对于复杂问题的推理能力。 它由规划器、执行器、验证器、生成器四个专业智能体组成的团队通过共享内存进行协作，利用新方法Flow-GRPO，在系统内部直接对其规划器智能体 进行实时优化。 以Qwen-2.5-7B-Instruct为基座模型的AgentFlow在10个基准测试中表现突出： 搜索任务提升14.9%、智能体任务提升14.0%、数学任务提升14.5%、科学任务提升4.1%。 多项任务表现甚至超越比其大50倍的模型，超越GPT-4o、Llama3.1-405B。 | | | | | Search Intensive | | | | | | Math Reasoning | | | | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | | | Size | Bamboogle | 2Wiki | HotpotOA | Musique | A | S ...