本文来自微信公众号： 智讯智库 ，作者：施展 Loop又是什么新概念？ 从ReAct到Loop： 一个概念的四次演化 6月2日，Claude Code创作者Boris Cherny在公开活动中说，他已经不再亲自提示Claude，而是让Loop去提示Claude，判断下一步做什么。[1] 6月7日，OpenClaw创作者Peter Steinberger在X上发帖：“你不应该再提示编码Agent，而 ...

当强化学习从「单轮做题」走向「多轮干活」，训练难度陡增。Netflix 研究科学家万字综述六大智能体 RL 框架，拆解轨迹表示、环境规模化、数据合成、训练稳定四道难题——也解释了为什么 3B、7B 小模型能在智能体任务上反超 GPT-5。 最近，做强化学习的圈子被一份长文综述刷屏了。 6 月 22 日，Netflix 资深研究科学家、深度学习博士 Cameron Wolfe 在他 7.2 万订阅的 ...