自进化时代，强化学习可能得有一套新算法了｜Hao 好聊趋势
中文摘要
本文探讨了自进化AI中强化学习的分布锐化问题，分析了旨在平衡能力提升与探索多样性的新算法。
English Summary
This article analyzes distribution sharpening in RL for self-evolving AI, reviewing new algorithms to balance performance gains with exploration diversity.
原文节选
📌 一句话摘要 本文深入剖析了强化学习在自进化与 Agent 场景下的锐化问题，并系统梳理了 2026 年出现的多种新算法，旨在平衡能力提升与探索多样性。 📝 详细摘要 本文首先指出自进化系统中模型搜索空间狭窄的问题，并分析了强化学习（RL）在训练中导致的分布锐化现象。通过引用多篇研究，如北大论文、斯坦福的《The Invisible Leash》以及混元团队的《Low-probability Tokens Susta...