AIPress.com.cn報(bào)道
3月16日消息，小米AI實(shí)驗(yàn)室研究員羅福莉，也就是很多人口中的“天才少女”，又發(fā)論文了論文。
論文名叫ARL-Tangram: Unleash the Resource Efficiency in Agentic Reinforcement Learning論文。作者之一，就是羅福莉。
如果只看標(biāo)題，這篇論文似乎只是一個(gè)偏工程的研究：如何讓AI Agent的強(qiáng)化學(xué)習(xí)訓(xùn)練更省算力論文。
但如果把它放在最近幾個(gè)月AI的發(fā)展脈絡(luò)里論文，
就會(huì)發(fā)現(xiàn)它其實(shí)正好落位在OpenClaw、Claude Code、Devin這一波 Agent浪潮的底層論文。
而要理解這篇論文所講的東西，
展開全文
需要我們先下一個(gè)定義論文，AI正在從“模型時(shí)代”進(jìn)入“Agent時(shí)代”
過(guò)去幾年，大多數(shù) AI 系統(tǒng)的結(jié)構(gòu)其實(shí)非常簡(jiǎn)單論文。
輸入一段內(nèi)容，模型計(jì)算，然后輸出結(jié)果論文。
從ChatGPT到圖像生成模型論文，本質(zhì)都是同一個(gè)邏輯：
輸入→模型→輸出
整個(gè)系統(tǒng)的核心資源也很單一，那就是GPU論文。
因此過(guò)去幾年 AI 的競(jìng)爭(zhēng)基本圍繞模型參數(shù)規(guī)模、訓(xùn)練數(shù)據(jù)、GPU算力三件事來(lái)展開論文。
但隨著AI Agent的出現(xiàn)，計(jì)算結(jié)構(gòu)突然變得復(fù)雜起來(lái)論文。
一個(gè)典型的Agent任務(wù)可能是這樣的論文：
思考→搜索信息→寫代碼→運(yùn)行代碼→分析結(jié)果→再修改
在這個(gè)過(guò)程中，AI不再只調(diào)用模型本身，還會(huì)不斷調(diào)用各種工具論文。
要用GPU去做模型推理論文，要用CPU去執(zhí)行代碼，要用API去處理搜索、數(shù)據(jù)庫(kù)，可能還要用瀏覽器進(jìn)行網(wǎng)頁(yè)操作......
于是論文，一個(gè)Agent系統(tǒng)的資源結(jié)構(gòu)就變成了：
GPU+CPU+API+存儲(chǔ)+網(wǎng)絡(luò)
這已經(jīng)非常接近一個(gè)完整的軟件系統(tǒng)論文。
“幫我整理今天的AI新聞并做成Excel論文?！?/p>
一個(gè)Agent就會(huì)搜索網(wǎng)頁(yè)、抓取信息、總結(jié)內(nèi)容、生成表格、保存文件論文，
整個(gè)過(guò)程涉及瀏覽器、Python、文件系統(tǒng)、模型推理論文。
這是Agent計(jì)算模式的典型例子論文，龍蝦OpenClaw也是這么做的，
而最近Anthropic更新的Claude Code，也在逐漸向同樣的方向發(fā)展論文。
/loop論文：讓AI自動(dòng)循環(huán)執(zhí)行任務(wù)
CLAUDE.md論文：提供長(zhǎng)期記憶
Session Spawning論文：手機(jī)遠(yuǎn)程啟動(dòng)電腦上的AI編程任務(wù)
連不少開發(fā)者看完更新后的第一反應(yīng)都是“這不就是官方版龍蝦嗎論文？”
當(dāng)遠(yuǎn)程操控、自主執(zhí)行和長(zhǎng)期記憶組合在一起時(shí)，AI不再只是一個(gè)聊天工具，而更像一個(gè)持續(xù)運(yùn)行的數(shù)字員工論文。
好用論文，確實(shí)是好用，但真正的問(wèn)題也就在其中，
算力怎么調(diào)度論文？
在傳統(tǒng)模型訓(xùn)練中，資源基本只有GPU論文。
但在 Agent 系統(tǒng)里論文，不同任務(wù)會(huì)不斷切換資源類型：
有時(shí)需要GPU論文，有時(shí)需要CPU，有時(shí)需要API
如果資源管理方式不合理，就會(huì)出現(xiàn)大量浪費(fèi)論文。
論文里給出的典型例子中有一項(xiàng)數(shù)據(jù)論文，
在某些AI編程任務(wù)中，CPU的真實(shí)利用率只有47%論文。
剩下的算力基本處于閑置狀態(tài)論文。
對(duì)于正在進(jìn)行大規(guī)模訓(xùn)練的 AI 公司來(lái)說(shuō)，這種浪費(fèi)意味著巨大的成本論文。
基于此，羅福莉等人的論文提出了一種新的系統(tǒng)：Tangram論文。
它的核心思路很像操作系統(tǒng)的進(jìn)程調(diào)度論文。
傳統(tǒng)系統(tǒng)的資源分配方式是任務(wù)級(jí)調(diào)度：
一個(gè)Agent任務(wù)開始時(shí)，就會(huì)占用CPU或GPU，直到任務(wù)結(jié)束論文。
而Tangram采用的是動(dòng)作級(jí)調(diào)度論文。
也就是說(shuō)，只有當(dāng)某個(gè)具體操作需要資源時(shí)，系統(tǒng)才會(huì)分配資源論文。
寫代碼→GPU
編譯代碼→CPU
運(yùn)行測(cè)試→CPU
搜索資料→API
這樣不同Agent的任務(wù)可以共享資源論文。
實(shí)驗(yàn)結(jié)果顯示，這種調(diào)度方式帶來(lái)明顯提升：平均任務(wù)時(shí)間縮短4.3倍，訓(xùn)練效率提升1.5倍，外部資源成本降低71%，
對(duì)于正在進(jìn)行大規(guī)模Agent訓(xùn)練的團(tuán)隊(duì)來(lái)說(shuō)，這種效率提升非常關(guān)鍵論文。
如果把最近幾個(gè)月的技術(shù)動(dòng)向連起來(lái)，會(huì)看到一條越來(lái)越清晰的路線論文。
OpenClaw解決的是Agent的運(yùn)行框架問(wèn)題論文，
Claude Code、Devin解決的是Agent在真實(shí)任務(wù)中的應(yīng)用問(wèn)題論文，
而羅福莉等人做Tangram這樣的研究，則開始解決Agent的底層計(jì)算問(wèn)題論文。
這說(shuō)明AI行業(yè)正在經(jīng)歷一個(gè)結(jié)構(gòu)性變化論文，
競(jìng)爭(zhēng)的焦點(diǎn)正在從模型能力轉(zhuǎn)向Agent系統(tǒng)能力論文。
這也正是為什么OpenClaw、Claude Code、Devin會(huì)在今年突然變得如此重要論文。
