Open Hands团队最新发布的32B参数代码模型（Open Hands LM-32B）在强化学习（RL）训练框架下，基于Qwen架构实现了突破性进展。该模型在代理编码任务（agentic coding tasks）中的表现已超越许多参数规模更大的竞品，...

科研人员已经通过在最大熵框架内增加了一个局部Q价值学习方法，改进了被广泛应用的多智能体强化学习方法QMIX。QMIX是一个众所周知的多代理强化学习方法，它能有效地解决多代理学习中的挑战，如策略的协调和通信难题...

Llama Agents是一个以异步为首的框架，用于构建、迭代和生产多智能体系统，包括多智能体通信，分布式工具执行，人在环中等等。Llama Agents的目标是提供一个强大、灵活且易于使用的框架，以支持开发者在各种场景中快...