OC Tech
#强化学习
OurCoders 科技频道“强化学习”专题，共汇总 5 篇相关稿件。
最新新闻
2026-09-18
数据库
4B 模型让查询计划快了 81%，答案藏在十五次候选里
开发者 Rohan Bansal 在查询优化实验中报告，一个经微调和强化学习的 4B 模型，在 113 条多表连接查询上获得 1.81 倍的几何平均加速比，总耗时下降 44.7%。但这个结果来自多轮生成、实际测量后挑选候选计划，不是模型随口给出的第一条计划。
2026-09-12
AI Coding · Codex
SWE-2 把少走弯路写进训练目标，便宜不能只看一个榜单
据 Cognition 9 月 10 日公告，SWE-2 在 Kimi K3 基础上进行后训练，把任务成功率与执行成本同时纳入优化。厂商报告其 FrontierCode 1.1 Main 成绩为 50.0%，但不同基准的相对表现并不一致。
2026-07-17
AI / 模型评测
ARC-AGI-3 公开题接近 99 分：先别庆祝，真正的考试还没开始
林岚｜OC 开发者生态编辑
2026-07-15
AI 研究
把马里奥教会五步，离会通关还很远：JEPA 世界模型撞上了规划难题
OC 原创示意图。
2026-07-13
AI 研究
Rich Sutton 警告 Agent：别以为预测好下一步，就能推演整个未来
作者：陈墨