大模型的智能体转向：Agentic 强化学习全景综述

本文围绕Agentic强化学习展开系统性综述。背景方面，随着大语言模型的快速发展，研究者发现其虽能生成高质量语言但缺乏真实行动能力，无法处理需要规划与环境交互的任务。研究目的旨在通过Agentic强化学习框架，让语言模型从被动响应转向主动决策，具备规划、工具使用、记忆、推理、自我改进和感知等六大核心能力。结论指出该框架已应用于信息检索、代码生成、数学推理等七大任务场景，推动语言模型从文字世界走向行动世界，但仍面临可信性、训练扩展性和环境扩展性等挑战，标志着语言模型研究从生成迈向行动的重要转折。