AIPress.com.cn報道
3月16日訊息，小米AI實驗室研究員羅福莉，也就是很多人口中的“天才少女”，又發論文了論文。
論文名叫ARL-Tangram: Unleash the Resource Efficiency in Agentic Reinforcement Learning論文。作者之一，就是羅福莉。
如果只看標題，這篇論文似乎只是一個偏工程的研究：如何讓AI Agent的強化學習訓練更省算力論文。
但如果把它放在最近幾個月AI的發展脈絡裡論文，
就會發現它其實正好落位在OpenClaw、Claude Code、Devin這一波 Agent浪潮的底層論文。
而要理解這篇論文所講的東西，
展開全文
需要我們先下一個定義論文，AI正在從“模型時代”進入“Agent時代”
過去幾年，大多數 AI 系統的結構其實非常簡單論文。
輸入一段內容，模型計算，然後輸出結果論文。
從ChatGPT到影像生成模型論文，本質都是同一個邏輯：
輸入→模型→輸出
整個系統的核心資源也很單一，那就是GPU論文。
因此過去幾年 AI 的競爭基本圍繞模型引數規模、訓練資料、GPU算力三件事來展開論文。
但隨著AI Agent的出現，計算結構突然變得複雜起來論文。
一個典型的Agent任務可能是這樣的論文：
思考→搜尋資訊→寫程式碼→執行程式碼→分析結果→再修改
在這個過程中，AI不再只呼叫模型本身，還會不斷呼叫各種工具論文。
要用GPU去做模型推理論文，要用CPU去執行程式碼，要用API去處理搜尋、資料庫，可能還要用瀏覽器進行網頁操作......
於是論文，一個Agent系統的資源結構就變成了：
GPU+CPU+API+儲存+網路
這已經非常接近一個完整的軟體系統論文。
“幫我整理今天的AI新聞並做成Excel論文。”
一個Agent就會搜尋網頁、抓取資訊、總結內容、生成表格、儲存檔案論文，
整個過程涉及瀏覽器、Python、檔案系統、模型推理論文。
這是Agent計算模式的典型例子論文，龍蝦OpenClaw也是這麼做的，
而最近Anthropic更新的Claude Code，也在逐漸向同樣的方向發展論文。
/loop論文：讓AI自動迴圈執行任務
CLAUDE.md論文：提供長期記憶
Session Spawning論文：手機遠端啟動電腦上的AI程式設計任務
連不少開發者看完更新後的第一反應都是“這不就是官方版龍蝦嗎論文？”
當遠端操控、自主執行和長期記憶組合在一起時，AI不再只是一個聊天工具，而更像一個持續執行的數字員工論文。
好用論文，確實是好用，但真正的問題也就在其中，
算力怎麼排程論文？
在傳統模型訓練中，資源基本只有GPU論文。
但在 Agent 系統裡論文，不同任務會不斷切換資源型別：
有時需要GPU論文，有時需要CPU，有時需要API
如果資源管理方式不合理，就會出現大量浪費論文。
論文裡給出的典型例子中有一項資料論文，
在某些AI程式設計任務中，CPU的真實利用率只有47%論文。
剩下的算力基本處於閒置狀態論文。
對於正在進行大規模訓練的 AI 公司來說，這種浪費意味著巨大的成本論文。
基於此，羅福莉等人的論文提出了一種新的系統：Tangram論文。
它的核心思路很像作業系統的程序排程論文。
傳統系統的資源分配方式是任務級排程：
一個Agent任務開始時，就會佔用CPU或GPU，直到任務結束論文。
而Tangram採用的是動作級排程論文。
也就是說，只有當某個具體操作需要資源時，系統才會分配資源論文。
寫程式碼→GPU
編譯程式碼→CPU
執行測試→CPU
搜尋資料→API
這樣不同Agent的任務可以共享資源論文。
實驗結果顯示，這種排程方式帶來明顯提升：平均任務時間縮短4.3倍，訓練效率提升1.5倍，外部資源成本降低71%，
對於正在進行大規模Agent訓練的團隊來說，這種效率提升非常關鍵論文。
如果把最近幾個月的技術動向連起來，會看到一條越來越清晰的路線論文。
OpenClaw解決的是Agent的執行框架問題論文，
Claude Code、Devin解決的是Agent在真實任務中的應用問題論文，
而羅福莉等人做Tangram這樣的研究，則開始解決Agent的底層計算問題論文。
這說明AI行業正在經歷一個結構性變化論文，
競爭的焦點正在從模型能力轉向Agent系統能力論文。
這也正是為什麼OpenClaw、Claude Code、Devin會在今年突然變得如此重要論文。
