首页 / 资讯详情
ASU 魏华：大模型智能体正在重蹈强化学习的覆辙，如何跨越「仿真到现实」的鸿沟？ | IJCAI 2026
摘要
当大语言模型化身为智能体走向真实世界，它们面临的困境，与十年前在十字路口指挥交通的强化学习模型如出一辙。 作者丨岑峰 幸丽娟 编辑丨岑峰 在通往 AGI 的浪潮中，基础模型智能体（Foundation Model Agents）正以前所未有的速度接管各种任务。业界曾普遍乐观地认为，凭借大模型海量的预训练知识，智能体可以无缝适应各种真实场景。但在现实中，当我们将一个在英文语境下表现完美的智能体，切换到中文或低资源语言环境中时，其错误率往往会呈现断崖式上升。这种环境切换带来的“智力降级”，真的是大模型时代特有的新问题吗？在正在进行的 2026 年的德国不莱梅 IJCAI大会的 Early Career Spotlight（早期职业焦点）环节，亚利桑那州立大学（ASU）助理教授魏华给出了一个极具启发性的“降维”视角：今天大模型智能体所面临的脆弱性，本质上与传统强化学习（RL）在物理世界中遭遇的“仿真到现实（Sim-to-Real）”差距如出一辙。作为长期深耕强化学习与真实世界决策的学者，魏华教授早年曾在腾讯 AI Lab 担任研究员，后于新泽西理工学院和 ASU 任教。早在2017 年，魏华团队就通过一系列 KDD论文证明了强化学习能够完美复现传统的“绿波”优化解，甚至能找到更优的调度策略。但随着研究从实验室走向中国杭州等真实复杂路网，他发现，完美的模拟器是不存在的。天气、摄像头视角、甚至奖励函数的定义，在真实世界中都存在着致命的偏差。实验室中取得的完美结果一旦部署到真实的街头，面对大雨、大雾以及穿行的行人，AI 的决策就会瞬间崩溃。在此次 IJCAI 的演讲中，魏华巧妙地将“交通信号灯”与“大语言模型”连接了起来。他指出，无论是机器人、强化学习还是今天的大模型智能体，只要涉及决策与执行，就必然面临动态差距、观察差距和奖励差距。更为重要的是，他提出，既然问题的本质相同，我们完全可以将机器人领域成熟的“域随机化（Domain Randomization）”等技术，直接“平移”到大模型智能体中。最新的实验证明，通过对智能体的提示词、动作和奖励空间进行随机化扰动，一个仅 30 亿参数（3B）的模型，在应对跨语言等“仿真到现实”难题时，其表现甚至能击败 320 亿参数（32B）的庞然大物。此外，魏华强调了“不确定性量化”与“人类在环（Human-in-the-loop）”的终极价值：智能体可以无限扩展，但不能增加人类的监督负担。机器必须知道自己“何时不知道”，并精准地向人类求助。以下是魏华教授的演讲分享，演讲题目为《Towards Reliable Agents》。AI科技评论根据其英文演讲内容进行了不改原意的深度编辑与精简：▎Towards Reliable Agents（迈向可靠智能体）演讲者： 亚利桑那州立大学助理教授 魏华（Hua Wei）大家好。我是亚利桑那州立大学计算与人工智能学院的助理教授魏华。非常荣幸能来到 IJCAI的讲台，分享我过去研究的一些反思，探讨我们曾尝试的不同视角，以及对未来工作的展望。我们团队一直以来的一个核心命题是：我们能否为现实世界的复杂决策，构建真正可靠的智能体（Agents）？01完美的模拟器，与混乱的物理世界为了说明这个问题，我们回到 2017 年，从我最初研究的“交通信号控制强化学习”说起。我们希望通