跳到正文
  1. Hacker News AI78

    Agent Scrum:在双小时 Sprints 中运行 AI 编码智能体团队

    作者提出 Agent Scrum 方法,将 Scrum 适配给 AI 编码智能体,以 2 小时为一个 Sprint。在 38 天内完成 324 个 Sprint,79% 的承诺故事在 Sprint 内完成。该方法将 Scrum 的固定时间框、承诺 Backlog 和回顾等核心机制映射到 Agent 角色中,发现最慢阶段是代码合并而非编写,并引入 Token 速率来衡量成本。

    推荐理由:基于 324 个双小时 Sprints 的实测数据,展示了将传统 Scrum 适配给 AI Coding Agent 的方法论,解决了 Agent 团队组织与上下文管理的痛点。

  1. OpenAI63

    OpenAI 发布 Proximal Policy Optimization 强化学习算法

    OpenAI 发布 Proximal Policy Optimization 强化学习算法,其性能与现有最先进方法相当或更优,且实现与调优更简单,因此成为 OpenAI 内部默认的强化学习算法。

    推荐理由:该算法实现简洁且易于调优,已成为 OpenAI 强化学习工作的默认方法,适合需要低成本落地的工程参考。

已经到底了