7B模型仅9任务训练超越671B！上交大开创AI自主设计AI新范式

上海交大与上海人工智能实验室团队开发的ML-Agent智能体，通过7B参数模型仅在9个任务上训练，就超越了671B参数的Deepseek-R1智能体。该智能体采用'经验学习'新范式，通过强化学习自主优化AI算法，减少人类干预，实现跨任务泛化能力。研究攻克了探索增强微调、高效强化学习和定制奖励模块三大技术难题，标志着AI自主设计AI的新范式突破。