(相关资料图)
信息显示，AI智能体学习主要通过模仿学习和强化学习两条路径实现。前者从专家示范中快速建立状态到动作的映射，后者则在与环境交互中根据奖励信号持续优化策略。两者通常结合使用，先通过模仿形成初始策略，再用强化进行突破。
一份研报观点认为，大模型训练中预训练和监督微调本质是模仿学习，而RLHF、RLVR等强化学习主要应用于后训练阶段，用于偏好对齐和可验证推理。研报指出，AlphaGo先学棋谱再自我对弈、ChatGPT先SFT再RLHF、机器人VLA先示范预训练再仿真强化的路径，均验证了这一组合范式的高效性。
研报认为，在智能驾驶和具身智能领域，纯模仿路线受限于物理世界试错成本高、长尾危险场景数据稀缺等问题。先模仿获取基础策略，再借助仿真环境和强化学习补足长尾，成为行业主流趋势。这不仅能突破示范者表现上限，还能显著提升策略在复杂真实场景下的稳健性。
研报指出，数字AI底座发展路径已逐渐清晰，但难以完成物理世界的建模闭环，而物理AI将成为物理世界AI解决方案，在当前AI发展阶段构成更大增量。智能驾驶作为最有可能率先实现闭环的代表场景，其商业化进程有望加快，相关技术迭代和落地将为产业链带来显著机遇。
