论文提出Agentic RL数据缩放定律

2026年10月20日，X 平台账号 Elvis Saravia（DAIR.AI）(@omarsar0) 发布内容，介绍一篇论文为智能体强化学习（Agentic RL）数据拟合了任务、环境、轨迹三个维度的缩放规律。据该帖，这些规律在不同模型规模、模型家族、领域以及 PPO 和 GRPO 两种训练方法下均成立，且各维度指数排序一致：环境维度指数最高，高于任务维度，任务维度又高于轨迹维度。目前该事件仅有这一条报道，尚无其他跟进报道或独立验证，论文的具体出处、作者信息与实验细节均未在现有材料中披露。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。