先了解这件事
AI 综述
2026年8月7日,Prime Intellect 宣布其强化学习栈从训练单个智能体扩展到多智能体系统。新引入的 Agent 与 Env 两个抽象分别负责单智能体 rollout 和多智能体控制流,可编程定义智能体之间的任意交互、选择哪些角色参与学习,并在完整交互上分配信用。已实现 Agentic Judging、Self-Play(Proposer-Solver 与 Kuhn-Poker)和 User-Sim 四种环境,并配套 Hierarchical GRPO 与 Role-Conditioned Advantage Estimation。多智能体支持随 verifiers 0.3.0 和 prime-rl 0.8.0 发布。
AI 根据公开报道生成
最新进展 · 正式报道
Prime Intellect 在 PRIME-RL 中推出多智能体训练支持事件进展
1 个已确认进展
- 来源：Prime Intellect
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
8月7日
Prime Intellect一手精选
Prime Intellect 在 PRIME-RL 中推出多智能体训练支持
Prime Intellect 的 RL 栈从训练单个智能体扩展到多智能体系统，可编程定义智能体之间的任意交互、选择哪些角色参与学习，并在完整交互上分配信用。新抽象 Agent 与 Env 分别负责单智能体 rollout 和多智能体控制流，已实现 Agentic Judging、Self-Play（Proposer-Solver 与 Kuhn-Poker）和 User-Sim 四种环境，并配套 Hierarchical GRPO 与 Role-Conditioned Advantage Estimation。多智能体支持随 verifiers 0.3.0 和 prime-rl 0.8.0 发布。