🚀 前沿动态：小米MiMo大模型团队发布Agent强化学习资源管理新方案
根据 1M AI News 的监测，前 DeepSeek 研究员、小米 MiMo 大模型负责人罗福莉与北京大学合作团队，近日在 arXiv 上发表了一篇题为 “ARL-Tangram” 的研究论文。该系统是一个用于 Agent 强化学习的动作级资源管理系统，目前已部署于小米 MiMo 系列模型的训练流程中。
值得一提的是，罗福莉在论文中担任末位作者。在学术惯例中，末位作者通常代表项目的负责人、导师或通讯作者，这表明她在该研究中承担了核心指导与领导角色。
💡 核心思路：从“粗放”到“精细”的资源调度
传统 Agent 强化学习在调用外部资源（如 CPU、GPU、API 配额等）时，通常以整条任务轨迹或整个任务为粒度进行资源预留。这种方式往往导致资源在任务空闲期被长期占用，利用率低下。
ARL-Tangram 的创新之处在于，它将资源管理的粒度细化至“动作级”——即 Agent 的每一次原子调用（例如单次代码执行、单次网络搜索）。系统对各类外部资源进行统一调度与弹性分配，仅在需要执行具体动作时才动态分配资源，动作完成后立即释放，从而极大避免了资源闲置与浪费。
📊 实验结果：效率显著提升，资源大幅节省
研究团队在三大典型的 Agent 强化学习任务上进行了实验验证：
- 🤖 AI 编程任务
- 🌐 DeepSearch 网络搜索任务
- 👁️ 视觉模型提示词蒸馏任务
实验数据取得了显著效果：
| 评估指标 | 提升效果 |
|---|---|
| 平均动作完成时间（ACT） | 最高提升 4.3 倍 |
| 训练单步时长 | 最高缩短 1.5 倍 |
| 外部资源消耗 | 节省高达 71.2% |
这些结果表明，ARL-Tangram 系统能够在更短的时间内，以更少的资源消耗，完成更高效的 Agent 训练，为大规模模型训练中的资源优化提供了新的技术思路。
这项研究标志着在 Agent 训练基础设施优化方面迈出了重要一步，其“动作级”精细化管理思路，预计将对未来高效、节能的大模型训练体系产生积极影响。
原创文章，作者：admin，如若转载，请注明出处：https://www.23btc.com/160179/
