EPFL 团队发布 OPAL：Agent 在环的反应式训练优化器

EPFL 团队发布 OPAL，让 Claude Code 等编码 Agent 在训练过程中持续监控并即时干预优化过程。OPAL 可检测并压制 loss spike，在优化步越过最小值后回滚若干步并重置动量，也能自动设计精细的学习率调度；团队已公开相关概念包与写作。