长程智能体任务中演化策略的异步化近乎零成本

新研究提出有界过时异步演化策略（ES），在 Endless Terminals 基准与 Qwen2.5-7B-Instruct 上实现媲美同步方案的效果。自然 Async-1 取得 25.9% 的留出成功率（同步 ES 为 25.4%），受控延迟更新也仅下降 1.6 与 3.1 个百分点。尽管 GRPO 整体成功率达 29.0%，该结果首次证明 ES 能良好容忍策略过时，使异步优化近乎零成本。