招商局狮子山人工智能实验室 投稿 量子位 | 公众号 QbitAI 大模型可以不再依赖人类调教，真正"自学成才"啦？ 新研究仅通过 RLVR （可验证奖励的强化学习），成功让模型自主进化出 通用的探索、验证与记忆能力 ，让模型学会"自学"！ 当前主流的LLM Agent依然高度依赖于提示词工程、复杂的系统编排、甚至静态规则表，这使得它们在面对复杂任务时难以实现真正的智能 行为演化。 而来自招商局狮子山人工智能实验室的研究团队认为，RLVR范式是智能体（Agent）通往更高通用性和自主性的重要突破口。 于是，他们从两个关键层面出发构建了端到端Agent训练pipeline—— L0系统 ： 智能体架构层面 提出了结构化智能体框架——NB-Agent，在经典"代码即行动" （Code-as-Action） 架构基础上进行扩展，使智能体能够操作记忆/上下 文，从而获得类人类的记忆存储、信息总结与自我反思能力。 学习范式层面 探索了一个核心问题：是否可以仅通过RLVR范式，引导智能体从零开始，学会如何规划、搜索、验证与记忆，最终解决复杂的多轮推理 任务？ L0系统的框架、模型及训练集已 全部开源 ，详细可见文末链接。 ...