大会2026 奇点智能技术大会时间2026 年 11 月 20-21 日地点中国·北京万达文华酒店大会报名奇点智能研究院一、Agentic Scaling超越预训练的新范式大模型技术正从预训练决定一切的 Scaling Law 时代迈向Agentic Scaling与自进化的新阶段。其核心逻辑是模型不再只是读数据而是做任务——在与环境的持续交互中积累经验在执行过程中自我修正、自我提升。这一范式的转变要求我们从数据飞轮升级为行动飞轮二、环境交互机制从 Gym 到真实世界的跨越2.1 环境设计的三个层级Agent 与环境交互的能力取决于环境提供的可交互性。从工程角度环境可以分为三个层级层级特征代表场景工程挑战L1结构化状态空间有限、奖励函数明确游戏、代码评测奖励稀疏、过拟合L2半结构化部分可观测、多步决策网页操作、数据库查询长程规划、错误累积L3真实世界开放状态、动态环境具身智能、企业系统安全性、可观测性、成本2.2 清华 AgentENV 的启示AgentENV 的设计思路提供了一个重要的工程参考与其让 Agent 直接面对复杂真实环境不如在真实环境外构建一层标准化交互接口让模型先学习如何与环境对话再进入真实场景。三、后训练协同从 SFT 到 RL 的连续谱3.1 后训练的三明治结构Agentic Scaling 的后训练不再是简单的 SFT → RLHF 两步而是更细粒度的协同结构3.2 MoE 架构的工程权衡在 Agentic Scaling 场景中MoE混合专家架构面临独特的工程权衡维度训练阶段推理阶段负载均衡需要专家利用率均衡需要动态路由延迟可控通信开销All-to-All 通信成为瓶颈KV Cache 碎片化环境交互探索效率 vs 专家切换成本实时响应 vs 路由精度关键洞察不是所有 MoE 都适合 Agentic 场景。当模型需要在每一步都快速选择专家并输出动作时路由延迟会直接降低环境交互频率进而影响学习速度。四、自进化的可控性三个工程约束让模型自己训练自己听起来很美好但生产环境中必须回答三个问题方向可控自进化的目标函数是什么如何防止模型在自我优化中偏离原始任务目标边界可控环境交互的安全沙箱如何设计错误动作的成本如何限制成本可控每一步环境交互都有推理成本如何在探索广度和计算预算之间取得平衡工程经验在当前的实践中最稳妥的自进化策略是人在环Human-in-the-Loop——模型提出改进方案人类审核后注入训练集而非全自动闭环。五、从奇点大会看产业判断2026 奇点智能技术大会的大模型技术从 Agentic Scaling 到自进化专题邀请了从算法创新到系统实现的完整链条专家。从议程设计可以看出产业共识已经形成Agentic Scaling 不是要不要做的问题而是怎么做可控的问题。后训练与推理计算的协同、自进化的可控性设计、MoE 架构在交互场景中的工程权衡——这些正是从实验室走向生产环境时必须回答的命题。六、从奇点大会嘉宾看 Agentic Scaling 的产业实践2026 奇点大会的嘉宾阵容恰好覆盖了 Agentic Scaling 的完整技术链条环节嘉宾代表核心贡献模型架构Lukasz KaiserTransformer 与推理模型的演进方向强化学习俞扬离线 RL 与真实世界决策的理论基础环境工程闪英迪AgentENV 开源项目的标准化实践系统实现张晨亿级 DAU 场景下的推理系统支撑开源框架郑耀威Harness / LlamaFactory 的训练框架这种从理论到系统的完整覆盖在国内技术大会中并不多见。对于正在探索 Agentic Scaling 的团队来说两天的大会相当于一次浓缩版的产业调研。六、总结Agentic Scaling 的工程落地本质上是一套行动—反馈—修正的闭环系统。它需要环境设计、后训练协同、架构权衡与可控性约束四者共同发力。2026 奇点双会汇聚了从 OpenAI 到国内顶尖研究团队的实践经验是理解这一范式转折的最佳窗口。11 月 20-21 日北京与 Agentic Scaling 的先行者们一起探索大模型的下一个进化阶段。大会信息2026 奇点智能技术大会 C 及系统软件技术大会时间2026 年 11 月 20-21 日地点中国·北京万达文华酒店大会报名链接奇点智能研究院立即报名获取 Agentic Scaling 专题演讲完整资料
Agentic Scaling 工程落地：强化学习环境交互机制与后训练协同的实战框架
大会2026 奇点智能技术大会时间2026 年 11 月 20-21 日地点中国·北京万达文华酒店大会报名奇点智能研究院一、Agentic Scaling超越预训练的新范式大模型技术正从预训练决定一切的 Scaling Law 时代迈向Agentic Scaling与自进化的新阶段。其核心逻辑是模型不再只是读数据而是做任务——在与环境的持续交互中积累经验在执行过程中自我修正、自我提升。这一范式的转变要求我们从数据飞轮升级为行动飞轮二、环境交互机制从 Gym 到真实世界的跨越2.1 环境设计的三个层级Agent 与环境交互的能力取决于环境提供的可交互性。从工程角度环境可以分为三个层级层级特征代表场景工程挑战L1结构化状态空间有限、奖励函数明确游戏、代码评测奖励稀疏、过拟合L2半结构化部分可观测、多步决策网页操作、数据库查询长程规划、错误累积L3真实世界开放状态、动态环境具身智能、企业系统安全性、可观测性、成本2.2 清华 AgentENV 的启示AgentENV 的设计思路提供了一个重要的工程参考与其让 Agent 直接面对复杂真实环境不如在真实环境外构建一层标准化交互接口让模型先学习如何与环境对话再进入真实场景。三、后训练协同从 SFT 到 RL 的连续谱3.1 后训练的三明治结构Agentic Scaling 的后训练不再是简单的 SFT → RLHF 两步而是更细粒度的协同结构3.2 MoE 架构的工程权衡在 Agentic Scaling 场景中MoE混合专家架构面临独特的工程权衡维度训练阶段推理阶段负载均衡需要专家利用率均衡需要动态路由延迟可控通信开销All-to-All 通信成为瓶颈KV Cache 碎片化环境交互探索效率 vs 专家切换成本实时响应 vs 路由精度关键洞察不是所有 MoE 都适合 Agentic 场景。当模型需要在每一步都快速选择专家并输出动作时路由延迟会直接降低环境交互频率进而影响学习速度。四、自进化的可控性三个工程约束让模型自己训练自己听起来很美好但生产环境中必须回答三个问题方向可控自进化的目标函数是什么如何防止模型在自我优化中偏离原始任务目标边界可控环境交互的安全沙箱如何设计错误动作的成本如何限制成本可控每一步环境交互都有推理成本如何在探索广度和计算预算之间取得平衡工程经验在当前的实践中最稳妥的自进化策略是人在环Human-in-the-Loop——模型提出改进方案人类审核后注入训练集而非全自动闭环。五、从奇点大会看产业判断2026 奇点智能技术大会的大模型技术从 Agentic Scaling 到自进化专题邀请了从算法创新到系统实现的完整链条专家。从议程设计可以看出产业共识已经形成Agentic Scaling 不是要不要做的问题而是怎么做可控的问题。后训练与推理计算的协同、自进化的可控性设计、MoE 架构在交互场景中的工程权衡——这些正是从实验室走向生产环境时必须回答的命题。六、从奇点大会嘉宾看 Agentic Scaling 的产业实践2026 奇点大会的嘉宾阵容恰好覆盖了 Agentic Scaling 的完整技术链条环节嘉宾代表核心贡献模型架构Lukasz KaiserTransformer 与推理模型的演进方向强化学习俞扬离线 RL 与真实世界决策的理论基础环境工程闪英迪AgentENV 开源项目的标准化实践系统实现张晨亿级 DAU 场景下的推理系统支撑开源框架郑耀威Harness / LlamaFactory 的训练框架这种从理论到系统的完整覆盖在国内技术大会中并不多见。对于正在探索 Agentic Scaling 的团队来说两天的大会相当于一次浓缩版的产业调研。六、总结Agentic Scaling 的工程落地本质上是一套行动—反馈—修正的闭环系统。它需要环境设计、后训练协同、架构权衡与可控性约束四者共同发力。2026 奇点双会汇聚了从 OpenAI 到国内顶尖研究团队的实践经验是理解这一范式转折的最佳窗口。11 月 20-21 日北京与 Agentic Scaling 的先行者们一起探索大模型的下一个进化阶段。大会信息2026 奇点智能技术大会 C 及系统软件技术大会时间2026 年 11 月 20-21 日地点中国·北京万达文华酒店大会报名链接奇点智能研究院立即报名获取 Agentic Scaling 专题演讲完整资料