Xingjian Bai 等人提出反应式优化器 OPAL

Xingjian Bai 等作者提出“反应式优化器”OPAL（OPtimizer with an Agent in the Loop）：把智能体放进优化器内部，让它观察训练动态并直接改写优化器源码。作者称，在 OPAL 实现中可选择让训练在智能体思考时继续，稍后的更新再换入其修改，例如在 Goldfish 上中位数为 65 次更新后。 作者同时说明，当前实现在更大规模下仍需支持分片训练和优化器编译，这些留待后续工作；文中多数实验只运行一次，少数三次，重跑与更多消融见 OPAL 仓库。作者提供了 OPAL 包供在自有训练中试用。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。