这项由清华大学联合小米公司、浙江大学、南洋理工大学和中科院自动化所共同开展的研究发表于2026年2月，论文编号为arXiv:2601.22491v1。研究团队开发了一种名为"甜蜜点学习"(Sweet Spot Learning, SSL)的全新AI训练方法，能够显著提升智能体在复杂任务中的学习效率和表现。
这个看似浪漫的名字其实来源于网球运动中的一个经典概念。当你用网球拍击球时，球拍上有一个特殊的区域叫做"甜蜜点"——在这个位置击球能产生最佳的力度和控制效果。研究团队受此启发，认为在AI训练过程中也存在类似的"甜蜜点"区域，如果能引导AI智能体向这些高质量解决方案区域学习，就能大幅提升训练效果。
传统的AI智能体训练就像是一个严厉的老师，只会给出"对"或"错"的简单评价。比如在训练一个AI助手完成手机操作任务时，不管这个助手是用3步还是8步完成任务，只要最终结果正确，都会得到相同的奖励分数。这种粗糙的评价方式就像是告诉学生"答案正确就行"，却不指导他们如何找到更优雅、更高效的解题方法。
研究团队发现，这种二元化的奖励机制存在三个关键问题。首先是优化方向不明确，
