谷歌的研究人员开发了一种新的AI技术，即内部强化学习（internal RL），这可能会彻底改变长程AI代理。这项突破于2026年1月16日宣布，解决了AI模型学习复杂推理方式的局限性。内部强化学习引导模型的内部过程逐步解决问题。这绕过了传统的下一个token预测方法，该方法通常会导致错误。

下一个token预测的问题在于，LLM一次生成一个token序列。这使得模型在训练期间难以探索新的策略。内部强化学习为创建自主代理提供了一条可扩展的路径。这些代理可以处理复杂的推理和现实世界的机器人技术。

直接的影响可能会体现在AI执行复杂任务而无需持续人工监督的能力上。专家认为，这可能会带来更高效、更可靠的AI系统。

目前，强化学习被用于训练LLM进行复杂推理。然而，这些模型的架构限制了它们有效规划的能力。

下一步包括在实际应用中测试内部强化学习。研究人员的目标是改进该技术，并探索其在各种AI任务中的潜力。这项发展预示着一个更强大、更自主的AI代理的未来。