Lambda 联合斯坦福等发布 AgentFlow：7B 规划器按回合训练在多项任务上超越 GPT-4o

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。