PithTrain 提出面向 Agent 的 MoE 训练系统与 ATE-Bench
Cohere · youtube · 2026-07-25
PithTrain：把“让 Agent 读懂并改造训练框架”也纳入优化目标
这场分享提出了一个面向 Mixture-of-Experts（MoE）训练 的新系统 PithTrain。作者认为，今天的训练框架评估大多只看吞吐，但在 AI 编码 Agent 参与开发、理解和扩展框架时，还存在一个常被忽略的成本维度：agent-task efficiency（ATE），也就是用 Agent 完成框架任务的效率。
主要内容
- PithTrain 围绕 四条 agent-native 设计原则构建：代码库更紧凑、Python 原生栈、减少隐藏间接层、让 Agent 能在 REPL 中以 skills 方式操作。
- 论文/报告同时提出了 ATE-Bench，用于评估训练框架在真实任务下对 Agent 的友好程度。
- 作者称，PithTrain 在吞吐上可以 匹配生产级框架，同时在 ATE-Bench 上显著提升效率。
- 结果包括：最多减少 62% 的 Agent turns，以及 64% 更少的 Active GPU Time。
演讲者是卡内基梅隆大学的 Ruihang Lai 和 Hao Kang，活动由 Cohere Labs 主办。
「编程与Agent」频道最新
- Codex 工作流技巧：先画流程，再让它实现 — alex_frantic · 2026-07-25
- 微软 OpenForgeRL：在真实部署 harness 中训练智能体 — dair_ai · 2026-07-25
- 论文指出生产级 Agent 失效多因上下文失控 — omarsar0 · 2026-07-25
- Gemini CLI 修复 Windows diff 视图的 CRLF 行尾问题 — luisfelipe-alt · 2026-07-25
- VaynerX 用 Claude 在几小时内做出原本要价 2 万美元的内部应用 — tomcrawshaw01 · 2026-07-25
- 团队开源 16 亿参数 Minecraft 世界模型与代码 — heghbalz · 2026-07-25