tsinghua

讨论了一篇来自清华大学/智谱AI的关于异步强化学习用于智能体的新论文，并指出他们之前的GLM-5.2模型使用了评论家而不是GRPO。

清华大学的SAO算法解决了大规模语言模型异步强化学习中的稳定性和离策略漂移问题，在智能体编程和推理基准测试上相比GRPO取得了稳定提升，并用于训练GLM-5.2模型。

清华团队提出EurekAgent，认为自主科学研究的瓶颈在于环境工程而非更智能的Agent，通过权限、工件、预算和人机协作四维度工程设计，在多个数学和内核工程任务上取得SOTA，仅用不到11美元发现新的26圆最优排列。

文章回顾了中国早期大模型的发展历史，指出智源研究院支持了最早的清源CPM（2020年）和悟道1.0（2021年），并纠正了关于华为盘古是国内首个大模型的说法。

清华大学NLP实验室在GitHub上开源了269个项目，涵盖大模型训练、知识图谱、Prompt学习、参数微调等方向，包括OpenPrompt、OpenNRE、OpenKE、UltraChat、OpenDelta等知名项目，适合AI研究和应用开发者。