当大模型开始调用工具、执行复杂任务，衡量其能力的标准也在发生变化：不仅要看能否给出正确答案，更要看能否在真实环境中持续行动、检查结果，并根据反馈调整策略。从模型能力到任务价值，这一转变需要怎样的训练方法与基础设施？智能体能否在工作中积累经验、不断进化，进而打开新的能力增长空间？
9月12日上午2026 Inclusion·外滩大会上，以"Agent Post-Training：智能本质与下一个 Scaling Law"为主题的见解论坛正式举行。
论坛围绕智能体后训练的算法、环境、基础设施及自我进化等议题展开交流，邀请到模型研发与Agent领域的研究者、产业实践者，共同探讨智能体能力发展的关键问题。
嘉宾们的分享呈现出一条逐步深入的探索路径：让Agent能够完成复杂任务，进一步让它从任务中积累经验、发现新知识，并将这些成果用于下一轮能力提升。围绕这一过程，环境如何构建、信息如何管理、成果如何验证，成为贯穿多场演讲的重要问题。
在题为《通往agent时代的范式跨越》的开场分享中，CAMEL AI 创始成员谢钰溱介绍，探索Agent的Scaling Law一直是CAMEL AI的重要方向。她将这一问题拆解为三个相互关联的维度：智能体的数量、智能体所处的环境，以及智能体自身的进化。
在数量维度，研究重点并非简单增加参与任务的Agent，而是解决多智能体之间如何通信、达成共识，以及在没有中心化控制的情况下实现自组织等问题。从少量智能体的协作分工，到大规模智能体群体行为的模拟，数量的扩展也对协作机制提出了新的要求。
在环境维度，谢钰溱提出，环境之于Agent，如同数据之于模型。智能体需要通过与不同环境交互，学习相应的能力，而这类训练条件往往需要专门构建。随着任务从简单推理走向跨设备操作、长流程工作乃至机器学习研发，环境的复杂度不断提高，结果验证与防止奖励机制被利用，也变得更加重要。
这进一步引出了进化问题：当Agent已经能够独立完成越来越复杂的任务，它能否在工作的过程中发现自身不足、积累经验，甚至提出人类尚未想到的新思路？谢钰溱认为，利用当前模型加速研发、推动下一代模型训练，是这一方向的重要实践，智能体的进化也可能成为探索下一个Scaling Law的关键。
周俊：让模型走出实验室，在真实任务中生长专业能力
在《Agent后训练的产业化全景：让模型走出实验室》演讲中，蚂蚁百灵大模型负责人周俊指出，大模型的真实任务并不限于编程，还包括医疗、金融、法律等领域的大量专业工作。蚂蚁百灵3.0（Ling-3.0）希望构建的，是一套能够在可控成本下持续发展专业能力、服务真实任务的基础模型体系。
围绕真实任务，周俊提出高质效、可专业化与可信执行三个关键词。高质效需要综合考察任务质量、成本、等待时间与成功率；可专业化意味着模型不仅要掌握行业知识，还要理解专业语境、使用专业工具，并遵循工作流程；可信执行则要求模型能够及时发现问题、限制错误影响，在证据不足、风险过高或权限不够时主动请求人工接手。
"一个好的agent，他不是知道下一步应该做什么，他更加重要的是知道下一步哪些不能擅自去做。"周俊强调，现阶段的目标并非假设模型不会犯错，而是建立能够识别风险、明确边界的执行体系。
在医疗领域，团队关注模型能否识别缺失信息、开展循证检索，并审慎表达判断中的不确定性。在金融投研领域，模型则需要完成资料检索、多文档分析、计算建模与报告生成，同时说明数据来源、统一统计口径、区分事实与假设，使输出能够追溯和复核。专业化的重点，因此从补充知识进一步延伸到了理解和执行专业工作流。
周俊同时指出，场景不会自动转化为模型能力。真正重要的是从实际使用中沉淀可复盘的失败案例、更符合专业要求的评测体系，以及可交互的训练环境，再将这些积累用于改进模型。真实场景既是检验能力的考场，也是推动能力发展的训练场。
胡健：以轻量化强化学习框架，加快研究想法的验证
随着Agent训练日益复杂，研究者如何快速验证新算法，也成为后训练体系中的重要问题。英伟达研究员胡健在演讲中，介绍了面向研究的强化学习框架Molt，其设计重点是降低框架理解与修改的成本，缩短从提出想法到完成实验的距离。
胡健表示，研究者经常需要调整优势估计、损失函数、数据过滤及训练流程。面向大规模生产训练的框架虽然功能丰富，但复杂的实现也可能增加实验改造的难度。Molt采用基于PyTorch原生能力的设计，核心代码约9000行，希望在保持训练能力的同时，让研究人员更容易修改算法、开展迭代。
这种简洁性也服务于Agent参与研发的趋势。胡健指出，代码规模过大时，编程智能体难以完整理解训练框架，容易在实现研究想法时出错。更精简的代码与清晰的接口，有助于降低人和Agent共同参与研究的门槛。
在智能体训练支持方面，Molt既提供传统的环境交互接口，也支持接入外部Agent运行框架，跟踪交互轨迹并用于训练。针对长任务中的上下文压缩，框架能够处理前缀变化、拆分训练样本，减轻研究者在长轨迹管理方面的工程负担。
此外，框架采用流式采样与调度方式，在收集交互数据的同时持续向训练端提供样本，提高GPU和环境资源的利用率。胡健介绍，框架已支持多种主流模型及大参数规模训练。其核心取舍是：在保证性能与扩展能力的基础上，尽可能降低复杂度，让基础设施更直接地服务于研究效率。
顾奇：长程Agent的关键，是环境、信息管理与训练的协同
美团LongCat主任研究员、通用Agent团队负责人顾奇在《Long horizon agent: Env, harness & algorithm》演讲中，将讨论进一步推进到长程任务。他指出，随着模型能够覆盖更大的工作量，用户对Agent的期待正在从短时间完成一个操作，转向持续、自主地推进复杂工作。
顾奇将长程任务分为两类。一类是循环迭代型任务，围绕明确目标反复尝试，依据可验证的反馈优化结果。这类任务的关键，在于工具与工作流能否稳定运行，以及每轮探索得到的信息能否被有效保存、更新和利用。另一类是系统性任务，包含多层级子任务与复杂依赖关系，需要在较长时间内处理信息流转、外部事件及环境变化，往往直到整体完成后才能获得完整反馈。
对于后一类任务，单纯延长运行时间并不足够。任务耗时长、反馈稀疏，意味着训练不能一直等到全部执行结束才更新模型，还需要探索任务分段、过程指导和中途更新等机制。
围绕Harness，即支撑Agent运行的外部框架，顾奇将其拆解为交互界面、信息管理机制和推理脚手架三个部分。他认为，随着模型能力增强，预先规定推理步骤的脚手架可能逐渐减少，但环境交互与信息管理仍会长期存在，并随模型能力演化。模型团队因此需要将Harness与训练目标共同设计，明确哪些能力需要辅助，哪些能力应由模型自身掌握。
在环境建设方面，顾奇指出，任务难度不能只用工具数量衡量，工具之间的依赖关系、推理的深度与广度，以及交互中的噪声同样重要。团队通过评测验证任务难度的拆解方法，再将人工构建环节逐步自动化，以扩展训练环境，并与算法、基础设施联合优化。
顾奇认为，未来需要进一步培养模型在陌生环境中主动获取知识、积累经验和适应任务的能力，并通过环境与后训练的持续扩展，探索智能发展的更多可能。
孙彦：规模化长视频生成，需要把规划与校验前置
在《面向规模化长视频生成的Agent Harness》演讲中，新加坡国立大学博士生孙彦将讨论落到一个具体场景：当AI视频从数秒延伸至十几分钟，乃至尝试突破小时级长度，如何兼顾生成效率、角色一致性和叙事连贯性？
孙彦指出，多片段并行生成时，各片段并不天然共享完整上下文。人物身份、空间关系、事件发生后的角色状态，以及跨场景的情节衔接，都需要系统性管理。仅依靠模型连续生成回答，或在上下文过长时进行压缩，难以稳定保存长视频制作所需的关键信息。
为此，团队探索将影视制作经验转化为可执行流程，把用户需求、故事设定、剧本和制作方案逐层整理成可保存、可检查、可更新的结构化信息。系统先在文本层面完善故事与画面编排，再规划素材及生成方式，让后续多模态生成建立在更明确的约束之上。
其中，剧本与制作方案被分开处理：前者定义观众应当看到什么，后者决定如何实现这些画面。这样的设计可以适配不同视频模型、素材生成工具及3D制作方式。
在执行层面，团队依据素材和片段之间的依赖关系构建生成依赖图，安排并行制作，并在各阶段进行校验。发现视觉问题后，系统再追溯相关节点，修改前置条件或重新生成对应素材，完成局部返修与合片。返修也需要区分问题的重要程度，优先处理影响整体衔接和观看体验的关键错误。
孙彦表示，随着生成规模扩大，前期规划和文本层面的校验成为影响质量与效率的重要环节。后续探索将进一步根据任务难度动态分配检查轮次，并把返修中发现的问题尽量前移到素材和制作方案阶段，使长视频生产更加可控。
陈勇超：从复现已有知识，走向自主提出和验证新想法
清华大学人工智能学院助理教授、超衍智能创始人陈勇超在《从静态复刻到自主发现：自进化大模型定义下一代超级智能》演讲中，将自进化的目标指向模型在未知领域中的探索与创新能力。
陈勇超认为，衡量模型不能只看其已经掌握哪些能力，还应关注它进入陌生环境后，能否通过交互发现新的知识。在团队的研究观察中，榜单表现更强的模型并不总能提出更有新意的研究想法；过度强调求稳，也可能让模型更倾向于已有路径上的渐进改进。因此，在具有试错空间的科研场景中，需要鼓励模型提出多样化假设，再通过实验和验证筛选有价值的方向。
培养这类能力，首先面临研究过程数据稀缺的问题。论文通常呈现最终结果，难以完整记录研究者如何提出问题、尝试方案、经历失败并调整思路。陈勇超介绍，团队组织构建了约100个跨领域研究项目，用于评估模型研究能力和积累研究轨迹，但人工建设的速度仍难以满足大规模训练需求。
针对这一瓶颈，团队探索让AI参与数据与研究轨迹的生成，再用于模型后训练，形成数据与能力相互促进的迭代过程。据他介绍，团队的科研系统已被用于提出研究想法、配置实验环境、执行实验和撰写论文，并在AI与数学等领域开展探索；相关研究轨迹也被用于提升模型的研究能力。
与此同时，陈勇超强调，自主科研仍有多个问题需要解决。首先是如何进一步提高思维多样性，让模型既敢于探索不同方向，又能够评价这些方向的可行性。其次是成果验证：随着AI并行生成研究结果的能力增强，专业人员能否及时判断结果的正确性与价值，可能成为比生成本身更突出的瓶颈。
陈思衡：以前沿研究牵引数据迭代，推动模型递归自演进
上海交通大学人工智能学院副教授、美国卡内基梅隆大学博士陈思衡，在《AI科学家：以前沿研究牵引递归自演进》演讲中，将递归自演进（RSI）概括为一个问题：上一代AI系统能否迭代出更强的下一代系统，并在这一过程中逐步减少人类参与？
在他看来，实现有效迭代需要兼顾四个条件：能够较快获得验证反馈，任务难度足以持续牵引能力提升，任务足够多样以支持泛化，以及数据与探索能够规模化。前沿科学研究涵盖多个学科，持续产生高难度问题，并具有验证与证伪机制，因此被团队选作探索这一方向的重要场景。
陈思衡介绍，团队此前围绕科研智能体、机器学习任务及仿真环境中的模型训练开展了多项工作，其中一项重点是通过上下文与记忆调度，让智能体在长时间、反复迭代的研究过程中持续作出有效决策。但从进一步提升能力的角度看，系统、模型、基础设施和数据都可以成为自演进的对象。对于资源有限的研究组织，高价值专业场景中的数据迭代，是一条值得投入的路径。
这一路径的难点在于，越接近前沿的专业问题，能够参与出题、解题和评估的人越少。团队因而搭建包含知识库、代码库、数据库和计算工具的科研环境，让智能体在其中探索，再将研究过程提炼为可用于训练的数据。由此形成"智能体—环境—数据—模型"的循环：更好的研究轨迹用于训练更强的模型，新模型再支持下一轮探索。
陈思衡展示了团队基于35B模型开展后训练的结果。据其介绍，模型在Frontier Science评测上的得分从基础模型的1.7分，提高至5月版本的31.7分，并在7月版本中达到46.2分。团队还在机器学习、论文复现和生物信息学等任务中进行了评估，并观察到部分能力向搜索、代码等更通用任务迁移的现象。
对于当前进展，陈思衡也明确指出，现有体系仍将人类知识和规则预先沉淀在数据管线之中，属于较为有限的自动化与自演进。如何进一步减少对人工设计的依赖，提高递归迭代的效率，仍是后续研究需要推进的问题。
诸葛鸣晨：从哥德尔机到自我改进智能，RSI走向实践
在《The Story of RSI: From Gdel Machines to Self-Improving Intelligence》演讲中，KAUST博士、Recursive创始成员诸葛鸣晨，回顾了递归自我改进的研究脉络，并介绍了从编程智能体走向自我改进系统的探索。
诸葛鸣晨指出，RSI并非新近出现的概念，早期研究已经尝试让系统改进自身的学习与搜索方式，并考虑一次修改对长期收益的影响。哥德尔机则从形式化的角度探讨系统何时应当修改自身。与强调数学证明的理论路线相比，当前的一些实践更多借助实验、评测和经验反馈判断改进是否有效。随着模型的编程与推理能力增强，这一长期研究方向开始具备更多落地条件。
在他看来，自我改进的重要价值是扩大单位时间内的探索规模。人类研究者的工作时间与精力有限，而Agent可以并行尝试更多方案，持续执行研究流程，为科学发现与技术改进提供新的可能。
围绕这一目标，诸葛鸣晨介绍了自己从MetaGPT等工作延伸出的思考：Agent系统需要具备动态扩展与调整组织方式的能力。工具调用、模型推理等操作可以被表示为节点，智能体及多智能体协作可以被表示为由节点和连接组成的图。这样，系统优化便可以进一步落实到操作、信息流和协作结构的调整上。
他同时强调了评价机制的作用。对于长程任务，如何提供有效反馈、帮助执行中的Agent发现问题，是系统持续改进的重要条件。让Agent参与评价其他Agent的工作，正是团队在Agent-as-a-Judge等研究中的探索方向。
从辅助研发迈向更自主的研究循环，还需要补足研究方向选择、实验决策与成果评估等环节。诸葛鸣晨认为，研究者的判断与经验有望进一步被建模，但目前不少长程工作仍依赖人类介入。他也呼吁，在推进自我改进能力的同时关注安全问题，使技术发展与风险研究同步展开。
圆桌讨论：我们离"真正的智能"还有多远？
圆桌环节，复旦大学副教授桂韬与陈思衡、顾奇、胡健、诸葛鸣晨、陈勇超等六位嘉宾，围绕RSI路径、强化学习、环境建设、自主科研及智能定义等问题展开交流。
面对关于"相信RSI到什么程度、正在解决什么问题"的提问，多位嘉宾表达了对这一方向的期待，但侧重点各有不同。
桂韬认为，模型能力继续提升，需要能够提供新知识的环境，也需要判断探索结果好坏的评价机制。
陈思衡则将重点放在模型与环境的协同演进，以及前沿研究数据的积累上：当系统能力不断增强，继续依赖人类逐步指导可能不再足够，需要让它自主探索。
顾奇关注两条路径：一是让任务与环境持续适配模型的发展阶段，二是让模型更自主地将原始信息转化为可学习的知识。
胡健表示，AI已经深度参与团队的强化学习研究，目前仍有人类介入，自动化程度将随模型与系统能力提升而变化。
诸葛鸣晨期待编程与智能能力进一步用于科学探索，扩大有限时间内能够开展的研究规模。
陈勇超则区分了工程执行、研究改进和科学突破，认为当前系统在后两者上仍有明显瓶颈，研究型模型需要推动未知知识的发现，创造新的价值。
从AgentGym到持续强化学习，SFT与RL如何分工？
桂韬介绍了AgentGym研究线：通过构建可实时交互的任务环境，以完成情况、效率等外部反馈支持模型自由探索，研究其能否在较少依赖人工示范的情况下，获得工具使用等能力，并向不同任务泛化。
围绕减少监督微调（SFT）的追问，他解释，SFT的重要作用是帮助模型获得初步的环境探索能力；当模型已经具备这一基础，后续提升可以更多依靠强化学习（RL）中的自主尝试与环境反馈。尤其当人类难以继续提供更好的示范轨迹时，高质量环境和反馈信号就更加关键。
桂韬表示，团队正将更多注意力投入持续强化学习。他认为，RL仍有较大的探索空间，但这并不意味着可以忽略初始能力建设，而是需要根据模型所处阶段调整训练方式。
为什么训练框架要做减法，强化学习的瓶颈又在哪里？
针对"行业不断扩大规模，为何反而精简框架"的问题，胡健回应，面向研究的基础设施需要便于理解和修改，尤其当Agent开始参与强化学习研究时，复杂框架会增加自动实现想法的难度。精简框架也有助于研究训推一致性等问题，为长期稳定训练提供支持。不同团队承担的工程规模与任务不同，因此框架设计不存在统一取舍。
面对强化学习还有多大空间这一问题，桂韬将重点放在奖励信号的可靠性上。长程任务可能产生极长的执行轨迹，仅凭最终结果正确与否，难以判断模型是否真正完成了预期工作，还是利用了环境漏洞或其他捷径。因此，环境与奖励系统需要随模型共同改进，才能持续提供有效训练信号。
胡健补充，如何可靠地扩展环境与训练数据，以及让大规模强化学习稳定运行，仍是开放研究中的重要挑战。
未来的训练环境与Agent基础设施会是什么样？
陈勇超认为，环境将更加接近真实科研：既需要GPU、CPU等计算资源，也需要专业工具、仿真软件，乃至自动化实验平台。相应地，任务会更长、验证成本更高。
诸葛鸣晨强调，还需要把分散的任务串联成完整的自我改进循环，不能仅依靠单点能力的验证。
从工程角度，胡健指出，大量环境如何并发运行并稳定连接训练系统，是扩展过程中的现实难题。
顾奇提出，可以先由研究者拆解问题、完成初始设计，再让自动化管线持续从真实数据和任务中吸收信息，丰富和改进环境。
陈思衡重申，环境应兼顾验证效率、任务难度、多样性与规模化，并逐步建立连接外部世界的接口；从数字环境走向物理环境时，反馈速度下降也需要被纳入设计。
桂韬则补充了两个衡量角度：环境的信息密度，以及任务对应的人类有效工作时长。相比单纯拉长文本，更丰富的信息关联和更复杂的工作过程，才可能为训练带来新的挑战。
参数变大，为什么不一定更会使用工具？
围绕模型的"逆缩放"现象，陈勇超回顾了团队在部分任务中的观察：较大的模型有时更倾向于直接用文本回答，而非编写代码或调用工具，导致任务表现未随规模增长而改善。
他认为，这可能与训练数据分布、工具使用样本不足，以及奖励设计中的工具调用成本有关。这一现象说明，参数规模并不能自动解决行动策略的选择问题，模型还需要学会判断何时应当借助外部工具。
如何把一次实验的经验，变成下一轮的能力？
陈思衡指出，如果Agent只是反复执行任务，却未能将经验有效保留和内化，就不能据此认为系统发生了能力提升。
他提出分层积累经验的思路：知识可以进入模型参数、LoRA权重，也可以保存在Harness、Skill或外部存储中。不同形式适合不同用途，系统需要根据重要性、访问频率和使用方式进行选择。
真正困难的是判断哪些信息值得保留、是否正确、存在怎样的不确定性，以及未来是否可能有用。经验的筛选、组织与内化因此需要可靠的评价机制，也构成自我改进中的一项系统性挑战。
AI何时能独立开展研究，实验科学还缺什么？
陈思衡认为，自主科研的进展需要分学科看待。数学和部分数字环境中的研究反馈较快，已呈现出较强的自动化潜力；农业、制药等领域则受到实验周期和现实条件限制，难以仅靠提高模型速度缩短全部研究过程。对于进一步连接硬件和实验平台，他强调还需要领域专家、设备与工具体系共同参与。
陈勇超也认为，不同领域的数据条件和验证方式会显著影响进度。即便同属计算研究，部分计算化学、计算生物任务也仍面临数据不足等问题；涉及物理实验时，还需要提升实验室自动化和机器人操作能力。他同时指出，专业人员对AI的理解与接受程度，也是技术进入实际研究流程的重要因素。
RSI是短期热潮，还是值得长期投入的方向？
面对主持人关于RSI是否存在炒作的提问，诸葛鸣晨表示，这一方向具有长期研究积累，当前热度来自模型能力发展和产业投入的共同推动。他持乐观判断，并提出未来两年可能取得进一步进展。
在他看来，AI辅助人类研发与AI自主完成改进循环之间仍存在距离，但更多研究者的关注和参与有助于推动这一过程。
如何设计真正有用的Agent评测？
针对主持人关于评测的提问，顾奇解释，训练团队构建Benchmark，目的不仅是找到难倒模型的题目，还要验证自己对任务复杂度、多样性和难度的拆解是否合理，明确下一步究竟要训练什么能力。
当这些设计得到验证后，再将其中依赖人工的构建与校验环节逐步自动化，就能为训练任务的扩展提供基础。同时，评测机制也需要可靠判断模型表现，并为后续强化学习中的验证器设计提供参考。评测、数据与训练因此需要共同规划。
我们离"真正的智能"还有多远？
在最后一轮交流中，六位嘉宾对真正的智能，给出了不同的理解。
桂韬认为，智能难以用单一尺度量化，当前更实际的工作是提高研究与任务设计质量，减少人为错误，为模型提供更好的训练条件。
陈思衡指出，人们对智能的期待会随技术进步不断变化，曾经令人惊叹的能力，几年后可能成为习以为常的工具，因此智能发展未必有清晰的终点。
顾奇期待模型能够在陌生、复杂的环境中自主完成陌生任务，形成自己的探索、理解和知识归纳能力；他也提醒，模型能力的发展可能超出人类直观判断其强弱的范围。
胡健则认为，当前AI更接近十分强大的工具，在部分任务上表现突出，但整体上仍有局限。
诸葛鸣晨同样强调智能定义会不断变化，并更关注技术能否持续带来普惠价值、推动科学与医学等领域的进步。
陈勇超则将期待落在未知知识的创造与探索上：AI能否通过与世界交互，持续扩展人类已有的认知边界，是他更看重的目标。
从完成任务到积累新知，寻找智能持续进步的条件
从专业任务执行到长视频制作，从强化学习框架到自主科研，本次论坛呈现出Agent后训练正在面对的一组共同问题：任务更长，意味着信息需要更有序地流转；探索更多，意味着结果需要更可靠地验证；希望系统不断变强，则需要把每一次行动，转化为下一轮可用的经验。
嘉宾们对智能自主改进的时间表，与智能的定义有不同判断，但多场讨论都指向了具体的建设方向：构建更丰富的交互环境，提供可信的反馈，让模型、数据和基础设施共同迭代。单次任务成功或某项评测提升，如何进一步转化为持续、可迁移的能力增长，仍需要更多实验与真实应用检验。
"下一个Scaling Law在哪里"尚未得到统一答案。但论坛提供的一个共同视角是，智能的发展越来越需要放到完整的行动与学习过程中考察。Agent能否发现错误、保留有效经验，在新的任务中少走弯路，并逐步提出值得验证的新问题，将成为观察这一进程的重要窗口。
