OpenAI 发现多智能体交互可自发涌现复杂工具使用能力
OpenAI 在新的模拟捉迷藏环境中训练智能体时，观察到智能体通过多智能体交互自发演化出越来越复杂的工具使用能力。智能体在博弈过程中相继建立了 6 种不同的策略与反制策略，其中部分策略甚至超出了开发者对该环境支持范围的预期。该研究表明，简单环境下的自监督协同适应机制未来有望产生极其复杂且智能的行为。
推荐理由：多智能体在捉迷藏博弈中自发涌现出工具使用与反制策略，展示了协同适应在简单环境中催生复杂行为的可行路径。
Agent 智能体
全部主题让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
最新精选
第 221–225 条 · 共 225 条OpenAI精选AI 评分7373
OpenAI精选AI 评分8989 OpenAI Five 战胜 Dota 2 世界冠军战队 OG
OpenAI Five 在比赛中连赢两局战胜 Dota 2 世界冠军战队 OG，成为首个在电竞比赛中击败世界冠军的 AI。此前 OpenAI Five 与 DeepMind 的 AlphaStar 虽曾在私下击败过顶尖职业选手，但在现场比赛中失利；本次比赛也是 AI 首次在网络直播中击败电竞职业选手。
推荐理由：原文记录了强化学习系统在公开直播对局中击败人类冠军的里程碑，展现了复杂连续决策环境下的实战表现。
OpenAI精选AI 评分7070 OpenAI 提出基于预测奖励的强化学习方法 RND
OpenAI 研发了随机网络蒸馏（Random Network Distillation，RND），这是一种基于预测奖励驱动强化学习智能体通过好奇心探索环境的方法。该方法在经典强化学习测试游戏 Montezuma's Revenge 上的表现首次超过了人类平均水平。
推荐理由：原文提出了基于好奇心驱动强化学习智能体探索的方法，为解决稀疏奖励环境下的探索难题提供了具体思路。
OpenAI精选AI 评分7171 OpenAI 宣布 OpenAI Five 在 Dota 2 中击败业余人类战队
OpenAI 宣布其由五个神经网络组成的团队 OpenAI Five 已经开始在 Dota 2 游戏中击败业余人类玩家战队。
OpenAI精选AI 评分7070 OpenAI 解析 Dota 2 项目与自博弈机制
OpenAI 表示 Dota 2 的研发进展表明，在充足算力支持下，自博弈机制能推动机器学习系统从远低于人类水平迅速提升至超人类水平。该系统在单月内从勉强匹配高分玩家跨越到击败顶尖职业选手；与受限于既有数据的监督学习相比，自博弈系统的可用训练数据会随着智能体能力的提升而自动改善。
推荐理由：OpenAI 对比了监督学习与自博弈机制的差异，说明了在算力充足时数据质量随模型迭代自进化的路径。