Agent-R1¶
保真度：核心机制复现。本页不把确定性 mini-suite 冒充原论文完整 benchmark。
论文信息¶
| 字段 | 内容 |
|---|---|
| 论文链接 | Agent-R1（arXiv 2511.14460） |
| 公司 / 机构 | University of Science and Technology of China |
| 首次公开日期 | 2025-11-18（arXiv v1） |
| 原作者代码 | 是：原作者仓库 |
| 本地 adapter / 方法键 | agent-r1 |
| 本地复现代码 | src/auto_research/agent_research/ |
原始论文总结¶
背景与主要改动¶
把每次 agent/environment 交互作为独立 transition，以可插拔上下文管理、环境接口与优化器支持 token 或 step 级信用。
flowchart LR
A["公开输入"] --> B["agent-r1 核心机制"]
B --> C["同预算训练 / 执行"]
C --> D["公开评测与诊断"]原论文关键图¶
原论文 Figure 3（关键图）：展示原论文提出的核心架构、主要模块及其连接关系。图片来自原论文，版权归原作者所有；点击图片可查看来源。
核心公式¶
\[
\tau=(s_t,a_t,o_{t+1})_{t=1}^T,\quad A_t=\delta_t+\gamma\lambda A_{t+1}.
\]
论文离线与线上效果¶
技术报告展示统一框架对多轮 agentic RL 工作流的支持；无生产 A/B。 论文未报告生产线上 A/B，本页不补造线上数字。
本地复现¶
planbench-mini、120 episodes、seed 42：joint success 1.0000，average cost 0.9600。
auto-research agent-study --method agent-r1 --benchmark planbench-mini --episodes 120 --seed 42
auto-research evolve --model agent --dataset planbench-mini --direction "组合 agent-r1 与已安装论文算子" --generations 2 --population 4
固定指标见 ../../experiments/global-p1-20260808-seed42.json。
复现边界¶
本地只验证论文特有目标、状态更新或评测协议；没有复刻原论文大模型、多卡训练、私有环境或完整公开 benchmark，因而只报告机制验证。