DeepMind · Agent
DeepMind 发布通用型 Agent
DeepMind 推出通用型 Agent，旨在构建一个能跨任务、跨环境自主决策的单一智能体系统。该项目不再为每个场景单独训练模型，而是让 Agent 在多种数字界面和物理模拟中学习通用策略。这一方向挑战了当前 AI 领域“专用模型”的主流范式，若成功将大幅降低部署成本，并推动 Agent 从实验室走向真实世界应用。
- 域名
deepmind.google- 评分
- 5 · 重大发布
- 发布
- 2026-03-03
导读
这篇 2022 年 5 月 12 日发布的 DeepMind 博客介绍 Gato，一个被作者称为"通用型 Agent"的单一神经网络。Gato 的特殊之处在于"同一组权重、同一张网络"可以完成跨模态、跨任务、跨载体的工作：玩 Atari 游戏、为图像生成描述、与人聊天、用真实机器手臂搭积木等。模型在每个时刻根据上下文判断该输出文本 token、关节力矩还是按键动作，省去了为每一类任务单独训练专用网络的工程负担。
方法上，Gato 借鉴大语言模型的范式，把来自不同任务、不同模态的数据全部序列化为扁平的 token 序列，再交给一个标准 Transformer 处理；训练损失只对动作 token 与文本目标计算，其他模态作为上下文输入。部署时，先把提示，例如一段演示，token 化作为初始序列；环境给出第一帧观测后也被 token 化追加进来，Gato 用自回归方式逐 token 采样动作向量，解码后送回环境执行，再读下一帧观测，整个循环在 1024 token 的上下文窗口内滚动推进。训练语料同时包含模拟与真实环境中的智能体经验，加上大规模自然语言与图像数据集，文中给出按领域分组、Gato 在各任务上达到专家分数若干比例的统计图。
对 agent 研究者而言，Gato 的意义在于把"大模型扩展律"的思路从纯文本推进到具身决策。文章并未声称 Gato 已经解决了通用智能问题，但用一个端到端样本证明：跨模态、跨任务的统一序列建模能够在不增加单任务训练成本的前提下，让单一权重承担多种角色。同期同组发布的"扩展律修订"研究 Chinchilla 给出了在文本侧加大数据规模的方法论，二者共同勾勒了 DeepMind 在 2022 年对通用智能体的工程路线图。