谷歌的研究人员开发了一种新的AI技术，名为“内部强化学习 (internal RL)”，这可能会彻底改变长程AI智能体。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走向解决方案。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，它迫使模型通过对下一个单个token或动作进行小的、随机的更改来探索新的策略。这使得AI很难学习需要长程规划的复杂推理任务。

直接的影响可能是通往可扩展的自主智能体的道路。这些智能体可以处理复杂的推理和现实世界的机器人技术。可能不再需要持续的人工指导。

当前的LLM是自回归的。它们一次生成一个token序列。强化学习是这些模型进行后训练的关键。然而，这些模型的架构限制了它们的能力。

下一步包括在更复杂的环境中测试内部强化学习。研究人员的目标是改进该技术，使其适用于现实世界的应用。这可能会在AI自主性方面带来重大进展。