CEL群体经验学习完成96台真实机器人验证
据华尔街见闻10月30日报道，清华大学、无问芯穹与智元联合提出“群体经验学习”（Collective Experience Learning，CEL），并在96台真实机器人组成的集群中完成规模化验证。其核心是让机器人复用同伴在真实任务中积累的经验，而不再主要依靠人类反复示范动作。 这项工作针对的是机器人部署扩张时的人工示教瓶颈：设备可以批量增加，但提供动作示范、纠正错误的操作人员难以同步增加。
强化学习
收录 5 篇关于“强化学习”的文章，最近更新于 2026-10-31。
DeepSeek更新Flash模型，开放搜索API
DeepSeek此次更新同时涉及模型和搜索服务。据华尔街见闻10月18日转载的澎湃新闻报道，10月17日，DeepSeek V4.1 Flash已更新至V4.1-Flash-1017版本，官方网页端、APP与API模型同步变更；自研搜索API的Search与Fetch接口也正式向公众开放。 编程能力是新模型的更新重点之一。
JetBrains上线Mellum2.1，强化智能体编程
据IT之家10月9日报道，JetBrains于10月8日宣布上线Mellum2.1，重点增强智能体编程能力。模型可探索代码库、编辑文件并检查自身修改。JetBrains称，其最大改进出现在智能体编程领域，能够识别失败测试的根因、起草修复方案并验证结果。
Agent Lightning v1.0支持原框架训练
微软研究院10月7日介绍，微软亚洲研究院已开源重构后的Agent Lightning v1.0。它采用名为Harnessed Agentic RL的训练范式，让部署时使用的智能体运行框架直接参与强化学习，不必在训练框架内部重新实现一套智能体。 这项变化针对的是AI智能体训练与部署之间的差异。
DeepSeek披露DSec：支撑多代模型的Agent训练与评测
据华尔街见闻报道，DeepSeek在一篇系统论文中披露了内部沙箱平台DSec。论文称，从DeepSeek-V3.2到V4.1，全部Agent强化学习训练与评测的沙箱负载都运行在DSec上。这里披露的是训练和评测所用的基础设施，而非模型能力的测试结果。 DSec为Agent任务提供隔离的执行环境。
