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
- 给 AI 一台无隐私裸机 24/7 放养：比任何 agent 课程学得都多 — EXM7777 · 2026-10-27
- 掌握 Agentic AI 工程必读的 20 篇论文清单，按六大模块整理 — MaryamMiradi · 2026-10-27
- LangChain 旧金山 Meetup：决策模型如何为 Agent 评测降本 — LangChain · 2026-10-27
- 你的 popcount 循环为何被 Clang 换成一条位计数指令 — jimmykoppel · 2026-10-27
- Claude 被喂「物理穿帮」AI 视频：自动算 CFD 修复后重渲染同场景 — OfirPress · 2026-10-27
- 一句话让 Opus 5.5 给房车游戏加上无人机驾驶模式 — ezshine · 2026-10-27