Lambda 与斯坦福大学、德州农工大学联合开源可训练智能体系统 AgentFlow。通过创新的 Flow-GRPO 强化学习算法对多智能体循环中的规划器进行逐回合细粒度更新，使 7B 小模型在数学、搜索与科学任务中相比 GPT-4o 提升高达 14.9%。

核心要点速览 (Key Takeaways)

  • ✓架构与训练超越纯参数规模：证明合理的多角色协同与工具闭环可使开源小模型反超闭源大模型；
  • ✓逐回合信用分配（Flow-GRPO）：克服传统将整条 Agent 轨迹作为黑盒更新的缺陷，精细奖励有效工具调用；
  • ✓完整开源技术方案：发布学术论文、训练指南与配套权重，为自建私有高性价比 Agent 提供落地蓝本。