@sherryyangML：机器学习工程（MLE）正成为新的智能体前沿。我将分享我们在扩展面向MLE智能体的强化学习方面的成果……
摘要
ICLR 2026 的两篇论文展示了小型 RL 训练智能体如何在机器学习工程任务上击败前沿模型，以及 MLE-Smith 如何自动扩展 MLE 工作负载。
机器学习工程（MLE）正成为新的智能体前沿。我将在 #ICLR2026 分享我们在扩展面向 MLE 智能体的强化学习方面的成果：1）小型模型的 RL 训练结果优于前沿模型 http://arxiv.org/abs/2509.01684 2）MLE-Smith：自动扩展 MLE 任务 http://arxiv.org/abs/2510.07307
相似文章
MLE-bench：评估机器学习代理在机器学习工程中的表现
# MLE-bench：评估机器学习代理在机器学习工程中的表现 来源：[https://openai.com/index/mle-bench/](https://openai.com/index/mle-bench/) OpenAI 评估机器学习代理在机器学习工程中的表现 我们推出了 MLE-bench，这是一个用于衡量 AI 代理在机器学习工程中表现如何的基准。为此，我们从 Kaggle 精选了 75 个与 ML 工程相关的竞赛，创建了一个多样化的具有挑战性的任务集合，用于测试真实的 ML 工程
重新思考大语言模型推理中的强化学习：关键在于稀疏策略选择，而非能力学习
本文挑战了强化学习（RL）能为大语言模型（LLM）教授新推理能力的假设，论证其作用实则是在高熵决策点进行稀疏策略选择。本文提出了 ReasonMaxxer，这是一种无需强化学习的方法，以显著更低的训练成本实现了与完整强化学习相当的性能。
强化学习能否教会大型语言模型进行长程推理？表达力是关键
本文介绍了 ScaleLogic 框架，该框架证明了强化学习的训练计算资源消耗遵循与大型语言模型推理深度相关的幂律分布。文章强调，逻辑表达力对于提升下游迁移能力和训练效率至关重要。
@jiqizhixin：太棒了！关于推理型LLM的强化学习现状 https://aweers.de/blog/2026/rl-for-llms/…
一篇全面回顾推理型LLM强化学习现状的博文，涵盖从REINFORCE、PPO到GRPO乃至更多方法，并与InstructGPT、DeepSeek-R1等关键模型相联系。
@anyscalecompute：大多数 Agent 框架解决了编排问题，却在基础设施方面完全未予解决。最新博文：面向生产的 AI…
Anyscale 发布了一篇技术指南，介绍如何使用 Ray Serve、MCP 和 A2A 协议部署面向生产环境的 AI Agent。文章针对常见的底层基础设施瓶颈，提出了一种解耦的微服务架构，支持 LLM、工具与 Agent 的独立扩缩容。