如果把代码、配置、日志、指标和 checkpoint 交给一个 AI Agent，它能不能像经验丰富的 RL 工程师一样，找出真正的根因？

进一步，它能不能修改代码、重新启动训练，并用新的实验结果证明问题确实被修复？

这正是 AutoRLBench 想回答的问题。

来自清华大学 Thinking Space 团队的 AutoRLBench，是一个面向真实、可复现强化学习训练运行的 Agent Benchmark。与很多只看最终结果的 AI-for-AI 评测不同，它不让 Agent 从零搭建一条理想化训练流水线，而是直接把一次真实跑坏的 RL 实验交给它。

Agent 需要完成两件事：
Issue diagnosis：判断训练是否真的有问题，找到根因，并给出证据；
Solution：修改工作区中的代码或配置，重新训练，再由确定性指标验收修复结果。

项目当前已整理 14 个任务，覆盖配置、奖励、数据、环境、算法和基础设施 6 类故障；首版榜单测试了 9 组模型—Agent 组合

#强化学习 #强化学习算法 #强化学习入门 #强化学习训练 #howto入门codex #howto实现一万种vibecoding #深度学习 #科研学习 #AI搞学习howto #人工智能发展