前言

这篇文章是一篇关于Agentic RL（代理式强化学习）的100页综述，由16家研究机构联合发表。文章提出将大语言模型从"一次性文本生成器"升级为"可在动态环境中持续感知、规划、行动、反思的自主智能体"的新范式，系统介绍了统一理论框架、六大核心能力板块及十大任务战场，并提供了丰富的开源资源和框架，为大模型研究者和开发者提供了全面的技术指南。

---

由牛津大学、上海AI Labs、新加坡国立大学等16家研究机构联合发表的 100 页综述首次系统提出 Agentic RL（代理式强化学习） 范式：把大语言模型（LLM）从“一次性文本生成器”升级为“可在动态环境中持续感知、规划、行动、反思的自主智能体”，并给出统一理论框架、能力图谱、任务全景与开源资源大盘点。

为什么需要Agentic RL？

从 LLM-RL 到 Agentic RL 范式迁移概览

传统 LLM-RL	Agentic RL
单轮问答	多轮交互
静态 prompt → 静态回答	动态环境状态 → 动作 → 新状态
reward 只评“答得好不好”	reward 还评“做得对不对”
退化 MDP（T=1）	标准 POMDP（T>1）

理论框架：用 POMDP 把“LLM 当 policy”

给出形式化七元组
⟨S,A,P,R,O,γ⟩，其中

• A = A_text ∪ A_action：模型既可“说话”也可“调用工具/执行命令”
• O 为局部可观察文本/图像/代码等多模态信号
• R 支持稀疏（任务成败）或稠密（中间步骤）奖励

与传统 PBRFT 的逐项对比

PO, DPO, GRPO家族对比

RL 如何“点亮”六大模块

图 3：Agentic LLM 与环境之间的动态交互过程

能力	RL 作用	代表工作
Planning	外部搜索（MCTS）或内部策略梯度直接优化计划	LATS、AdaPlan
Tool Use	从模仿 ReAct → 奖励驱动 TIR（Tool-Integrated Reasoning）	ToolRL、ReTool、OpenAI o3
Memory	把静态 RAG 升级为“RL 决定何时写/删/查”	Memory-R1、MemAgent
Self-Improvement	自生成 critique → 在线 DPO/GRPO 更新	Reflexion、R-Zero、Absolute Zero
Reasoning	慢思维“长链推理”由过程奖励塑形	DeepSeek-R1、o1/o3
Perception	视觉/音频/3D 任务统一用 GRPO 优化	Vision-R1、SVQA-R1、EchoInk-R1

Agentic RL 6 大核心能力板块

任务视角：十大战场全景图

图 6：按时间轴梳理的“任务进化树”。

领域	关键趋势	开源亮点
Search & Research	从单轮 RAG 到多轮深度研究	Search-R1、WebSailor、DeepResearcher
Code	函数级 → 文件级 → 仓库级 SWE-bench	DeepSWE、SWE-RL、Qwen3-Coder
Math	非形式化 + 形式化（Lean/Isabelle）双轨	DeepSeek-Prover、Leanabell、STP
GUI	静态截图 → 在线真机交互	UI-TARS、DiGiRL、ZeroGUI
Vision	被动看图 → 主动“用图思考”	Vision-R1、Ground-R1、Got-R1
Embodied	VLA 模型 + 轨迹级奖励	VLN-R1、TGRPO、VIKI-R
Multi-Agent	去中心化训练 & 博弈自博弈	MAGRPO、SPIRAL、Chain-of-Agents

开源环境 & 框架速查表

搜索与研究Agent

代码与软件工程Agent

数学推理Agent

GUI Agent

Multi-Agent框架

汇总 50+ 环境与基准

汇总 15 个 RL 框架

类型	推荐上手
Web 任务	WebArena、VisualWebArena、AppWorld
代码任务	SWE-bench、Debug-Gym、R2E-Gym
多智能体	SMAC-Exp、Factorio、PaperBench
框架	OpenRLHF、trlX、EasyR1、AgentFly、AWorld

最后

为什么要学AI大模型

当下，⼈⼯智能市场迎来了爆发期，并逐渐进⼊以⼈⼯通⽤智能（AGI）为主导的新时代。企业纷纷官宣“ AI+ ”战略，为新兴技术⼈才创造丰富的就业机会，⼈才缺⼝将达 400 万！

DeepSeek问世以来，生成式AI和大模型技术爆发式增长，让很多岗位重新成了炙手可热的新星，岗位薪资远超很多后端岗位，在程序员中稳居前列。

与此同时AI与各行各业深度融合，飞速发展，成为炙手可热的新风口，企业非常需要了解AI、懂AI、会用AI的员工，纷纷开出高薪招聘AI大模型相关岗位。

最近很多程序员朋友都已经学习或者准备学习 AI 大模型，后台也经常会有小伙伴咨询学习路线和学习资料，我特别拜托北京清华大学学士和美国加州理工学院博士学位的鲁为民老师给大家这里给大家准备了一份涵盖了AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频 全系列的学习资料，这些学习资料不仅深入浅出，而且非常实用，让大家系统而高效地掌握AI大模型的各个知识点。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

AI大模型系统学习路线

在面对AI大模型开发领域的复杂与深入，精准学习显得尤为重要。一份系统的技术路线图，不仅能够帮助开发者清晰地了解从入门到精通所需掌握的知识点，还能提供一条高效、有序的学习路径。

但知道是一回事，做又是另一回事，初学者最常遇到的问题主要是理论知识缺乏、资源和工具的限制、模型理解和调试的复杂性，在这基础上，找到高质量的学习资源，不浪费时间、不走弯路，又是重中之重。

AI大模型入门到实战的视频教程+项目包

看视频学习是一种高效、直观、灵活且富有吸引力的学习方式，可以更直观地展示过程，能有效提升学习兴趣和理解力，是现在获取知识的重要途径

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

海量AI大模型必读的经典书籍（PDF）

阅读AI大模型经典书籍可以帮助读者提高技术水平，开拓视野，掌握核心技术，提高解决问题的能力，同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说，阅读经典书籍是非常有必要的。

600+AI大模型报告（实时更新）

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

AI大模型面试真题+答案解析

我们学习AI大模型必然是想找到高薪的工作，下面这些面试题都是总结当前最新、最热、最高频的面试题，并且每道题都有详细的答案，面试前刷完这套面试题资料，小小offer，不在话下

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】