https://thedotnetblog.com/ca/tags/reinforcement-learning/Articles, tutorials and insights from the .NET community.Hugoca@thedotnetblog (The .NET Blog)@thedotnetblogThu, 18 Jun 2026 00:00:00 +0000https://thedotnetblog.com/ca/news/emiliano-montesdeoca/openenv-foundry-learning-systems-what-stands-out/Thu, 18 Jun 2026 00:00:00 +0000Emiliano Montesdeocahttps://thedotnetblog.com/ca/news/emiliano-montesdeoca/openenv-foundry-learning-systems-what-stands-out/La nova història d'OpenEnv i Foundry va molt més enllà dels clixés de reinforcement learning. En realitat, impulsa sistemes d'agents que es poden avaluar, optimitzar i millorar amb el temps segons resultats empresarials reals.<blockquote> <p><em>Aquest article s&rsquo;ha traduït automàticament. L&rsquo;original és <a href="https://thedotnetblog.com/ca/news/emiliano-montesdeoca/openenv-foundry-learning-systems-what-stands-out/">aquí</a>.</em></p> </blockquote> <p>La majoria de converses sobre agents encara s&rsquo;aturen a la inferència.</p> <p>El model pot respondre a la petició? Pot cridar l&rsquo;eina? Pot completar la tasca un cop?</p> <p>La nova conversa sobre <strong>OpenEnv + Foundry</strong> és interessant perquè intenta portar la discussió cap a una cosa més ambiciosa: <strong>com es construeix un sistema d&rsquo;agents que realment millora amb el temps?</strong></p> <p>Aquesta és una pregunta molt millor.</p> <h2 id="el-canvi-clau-és-passar-de-les-respostes-als-bucles-daprenentatge">El canvi clau és passar de les respostes als bucles d&rsquo;aprenentatge</h2> <p>La publicació de Foundry emmarca el problema al voltant d&rsquo;entorns, avaluacions, rúbriques, optimització i post-entrenament.</p> <p>Es pot resumir tot això en una sola frase:</p> <p><strong>l&rsquo;objectiu ja no és només executar un agent, sinó tenir un bucle que mesuri i millori l&rsquo;agent contra els teus resultats reals.</strong></p> <p>Això és el que crec que els desenvolupadors han de tenir en compte.</p> <p>Perquè, un cop ho veus així, l&rsquo;actiu durador no és només el model o la petició. És el sistema que l&rsquo;envolta:</p> <ul> <li>l&rsquo;entorn on actua</li> <li>la rúbrica que el puntua</li> <li>els traces que expliquen què ha passat</li> <li>l&rsquo;optimitzador que millora la configuració</li> </ul> <p>Aquesta és una manera molt més preparada per a l&rsquo;empresa de pensar-hi.</p> <h2 id="per-què-importa-fins-i-tot-si-no-fas-recerca-en-rl">Per què importa fins i tot si no fas recerca en RL</h2> <p>Siguem sincers: termes com OpenEnv, post-entrenament i world-modeling poden fer que molts desenvolupadors desconnectin immediatament.</p> <p>Però la conclusió pràctica és més simple que la terminologia.</p> <p>Encara que no toquis mai directament un bucle d&rsquo;entrenament, aquesta feina modela la història de la plataforma per al desenvolupament futur d&rsquo;agents:</p> <ul> <li>les avaluacions passen a ser de primera classe</li> <li>l&rsquo;optimització esdevé contínua en lloc d&rsquo;ocasional</li> <li>els entorns es converteixen en actius reutilitzables</li> <li>un millor comportament de l&rsquo;agent esdevé una cosa mesurable, no només &ldquo;sembla millor a les demos&rdquo;</li> </ul> <p>És un gran pas endavant.</p> <h2 id="la-meva-opinió">La meva opinió</h2> <p>El més intel·ligent d&rsquo;aquest anunci no és cap detall de recerca en concret.</p> <p>És l&rsquo;enquadrament.</p> <p>Microsoft està clarament intentant portar l&rsquo;ecosistema de l&rsquo;enginyeria d&rsquo;ordres estàtiques cap a <strong>sistemes d&rsquo;agents orientats a resultats</strong>. Sistemes que es poden avaluar, ajustar, governar i millorar gradualment.</p> <p>Aquí és on hi ha el valor seriós de la plataforma.</p> <p>I si avui estàs construint agents, fins i tot a nivell d&rsquo;aplicació, val la pena seguir cap a on es dirigeix això.</p> <p>Publicació original: <a href="https://devblogs.microsoft.com/foundry/outcome-driven-learning-systems-enterprise-rl-with-openenv-and-foundry/">Sistemes d&rsquo;aprenentatge orientats a resultats: RL empresarial amb OpenEnv i Foundry</a></p>