2026-07-21 R3 · Muon 何时救 Agentic RL · 2607.16169

arXiv 链接: https://arxiv.org/abs/2607.16169

video-kb 脚本原路径: /shared/video-kb/scripts/tom/2026-07-21_R3_muon-when-agentic-rl-short-video-script.md

1. 标题与观众

标题: Muon 何时救 Agentic RL 目标观众: AI 工程师 / 训练栈负责人 一句话核心观点: Muon 不是 AdamW 即插即用替代品,必须与 estimator 和学习率协同设计

3. 45-90 秒口播稿

想把 AdamW 换成 Muon?先看完。ALFWorld + 0.5B 上,论文做 2×2×2 网格:优化器、估计器、学习率三件套必须协同。Muon 只对隐藏层做 Newton-Schulz 正交化。success 从 0.290 推到 0.546,lr=1e-5 配 GraphGPO 推到 0.901,提前 30·60 update 达 0.5·0.75。换之前先做小模型 sweep 复现甜点。单 seed + exploratory,不可外推到 SWE-Bench。

4. 镜头分镜

• scene-1 · 0-8s · 标题卡 · 屏幕文字 Muon 何时救 Agentic RL · 画面元素 深底白字 + 三件套图标(优化器 / estimator / lr)横向并排 · 运动方式 三图标依次从左到右滑入点亮
• scene-2 · 8-16s · 判断卡 · 屏幕文字 不是即插即用 · 是三件套协同 · 画面元素 三件套图标连线成三角形 + 中心高亮「协同」字样 · 运动方式 三角形旋转一周 · 副行 优化器×estimator×lr
• scene-3 · 16-25s · 机制卡 · 屏幕文字 Muon 仅对隐藏层权重矩阵生效 · 画面元素 模型分层示意图(embed / head / LN 标 AdamW / 隐藏层标 Muon)· 运动方式 隐藏层高亮 + Newton-Schulz 公式浮出 · 副行 其他保留 AdamW
• scene-4 · 25-34s · 证据卡 · 屏幕文字 0.290 → 0.546 (+88%) · 画面元素 数字柱状图三段递进(AdamW 基线 / Muon+GRPO / Muon+GraphGPO@1e-5) · 运动方式 柱状从左到右依次拔高 · 副行 @ lr=1e-5 · 单 seed
• scene-5 · 34-43s · 证据卡 · 屏幕文字 0.901 / 提前 30·60 update · 画面元素 final success 大数字 + update 时间轴 · 运动方式 时间轴逐段向前 · 副行 update≠GPU hour
• scene-6 · 43-51s · 风险卡 · 屏幕文字 单 seed / GitHub 0 命中 / v1 ~4 天 · 画面元素 三行风险小字堆叠 · 运动方式 逐行闪烁 · 副行 方法论论文·不外推共识
• scene-7 · 51-60s · 行动清单 · 屏幕文字 先做 2×2×2 sweep · 再考虑 7B+ · 画面元素 三个动作垂直排列(模型 / 网格 / 复现 seed) · 运动方式 逐条出现 · 副行 把判断变成行动