labelReinforcement Learning(1 บทความ)

MIT ปล่อย AI Agent 13 ตัวเล่นบนเกาะจำลอง 30 ชั่วโมง พบว่าฉลาดขึ้นเอง

MIT ปล่อย AI Agent 13 ตัวรันบน Claude Opus 4.7 บนเกาะจำลอง 30 ชั่วโมง พบว่าเอเจนต์ที่ได้สำรวจอิสระทำโจทย์ภายหลังได้ดีกว่า