2025年，AI竞争的焦点正在发生根本转变——从跑分比拼转向Agent任务完成能力。从xAI到Anthropic，行业巨头发布新品时都在强调同 一个能力：自主完成复杂的长程任务。 这背后是一个清晰的共识：AI的下一战场，是通用Agent。 但现实很骨感。 除了编程领域，Agent的落地应用寥寥无几。核心瓶颈之一是反馈机制的困境：要让预训练模型蜕变为强大Agent，必须通过与世界互动 获得反馈来学习。然而，现有的反馈机制，要么太弱，要么太贵。 2025年10月，Meta等机构发表的论文《Agent Learning via Early Experience》提出了第三条路——"中训练"范式，试图用一种廉价而有效 的反馈形式，为Agent训练搭建关键桥梁。(论文链接：https://arxiv.org/abs/2510.08558） 01 反馈的鸿沟：两条"瘸腿"的主流路径 在深入了解Meta的解决方案之前，我们先了解一下反馈的困境究竟是什么。目前主流的Agent后训练方法有两种，但其反馈形式，各有其 难以克服的"昂贵"代价。 第一种方法是模仿学习，也就是监督微调（SFT）。 它依赖于一种"昂贵的静态反馈"。这种 ...