SkyRL 用 DPPO 将 Qwen3.5 智能体 Pass@1 提升至 27%

Mercor Research 与 SkyRL 团队合作发布博文，详细分享了使用 DPPO 对 Qwen3.5-397B 进行 RL 后训练的完整流程，目标是提升长周期知识工作表现。基于 APEX-Agents（长程办公任务）的现成数据，配合 SkyRL 框架与 Harbor RL recipe 训练后，模型在该基准上的 Pass@1 从 16% 提升至 27.3%。

2026-09-02 ~ 2026-09-03 · 3 条相关

• RL 训练指南：Qwen 3.5 397B Pass@1 提升至 27.3% — mariofilhoml · 2026-09-02
• SkyRL 训练 Qwen3.5-397B,智能体长任务 Pass@1 从 16% 提至 27% — simonguozirui · 2026-09-03
• SkyRL 实战：Qwen3.5 长程办公 agent Pass@1 从 16% 提到 27% — SinclairWang1 · 2026-09-03