TMax用学生模型筛训练样本
Shahules786 · x · 2026-07-14
作者说明，TMax 是一个面向 terminal agents 的 generator/student pipeline。
核心机制
- 任务先由生成器产出
- 只有当更小的 student 模型至少在 pass@16 下做对一次，任务才会被保留
- 没有学习信号的样本会被丢弃
- 最终留下的数据会被整理成适合 GRPO 训练的形式
作者把它视作一种“先生成、再验证、再训练”的数据筛选管线。
所属事件:TMax通过学生模型筛选机制优化终端智能体(2 条相关)→
「编程与Agent」频道最新
- MCP 链式调用无回滚：agent 工程的真实痛点 — agentrsdg · 2026-09-11
- DeepMind 等论文：设计文档当真相源，代码改为可抛弃产物 — Roger_M_Taylor · 2026-09-11
- 用 Agent 造小分类器：19 万文档标注成本仅 0.7 美元 — vanstriendaniel · 2026-09-11
- MathModelAgent 走红:自动完成数学建模并生成可提交论文 — jihe520 · 2026-09-11
- alphaXiv 开源 OpenResearch:用任意模型并行跑研究智能体 — alphaXiv · 2026-09-11
- 开源 AI 销售 OS DeskcommCRM 爆火:自带 Agent 与 WhatsApp 集成 — melgarafael · 2026-09-11