**长程任务强化学习受益于 Muon 优化器**

_Long-Horizon RL Needs Muon_

> 研究表明，在处理需要协调推理、工具使用和环境反馈的长程任务时，结合 Muon 优化器、Token 平均损失及截断重要性采样的单次采样异步配方，能显著提升模型在复杂任务中的训练成功率。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-15 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.20256)