每天听简报，了解最新科技、AI、软件资讯
开源平台抱抱脸完成为期半年的智能体训练研讨，并全面开源课程材料与代码。团队系统梳理了智能体从轨迹数据微调、模型蒸馏到强化学习的全流程。在实践中，研究人员将传统奖励函数直接替换为代码沙箱环境，让智能体在交互会话中编写并调试函数，由隐藏测试用例的通过比例直接作为反馈信号。借助群体相对策略优化算法，单张图形卡耗时约一小时，就将通义千问小模型在基准编程题上的通过率从五成一提升至五成八。相关权重与环境现已公开。
进度保存在本设备 · 登录同步