Surge AI 用 1700 个任务 RL 后训练，Kimi K2.7 五项编码评测大涨

Surge AI 团队发布长文复盘对 Kimi K2.7（Max reasoning）的纯强化学习后训练：仅用 1700 个自建编码任务训练，模型在 SWE-Mark 等五个外部编码评测上全面提升。关键发现包括：训练任务与目标评测无关，收益可迁移到未见过的评测；且模型轨迹步数反而下降约三成，说明 RL 提升能力的同时未增加推理冗长度。

2026-09-12 ~ 2026-09-12 · 2 条相关

• 1700 个任务做 RL，Kimi K2.7 五项编码评测全线大涨 — echen · 2026-09-12
• Kimi K2.7 后训练复盘：泛化到未见评测、轨迹步数反降三成 — echen · 2026-09-12