Agent 训练新法：Designer 增加记忆与预训练采样，30B 模型涨点 10%
natashajaques · x · 2026-08-20
提出了一种改进 Reasoning Agent 训练的方法，针对传统“Designer”提出的任务多样性不足的瓶颈，通过赋予 Designer 记忆能力，并在每个 episode 中从大型预训练语料库采样作为条件来克服。
效果显示：
- 智能体性能随模型规模提升而改善。
- 在 30B 规模时，在 LiveCodeBench-v2、tau^2-bench 和 BFCL 等基准测试上比基础模型提升约 10%。
- 该方法能生成多样化、有趣且复杂度随训练增加的环境，可替代人工设计 RL 训练环境。
所属事件:Agent 训练新法：给任务设计者加记忆，30B 模型涨点 10%(2 条相关)→
「编程与Agent」频道最新
- 设计反馈工具 Inflight 发布:让 Claude 直接消化原型反馈 — soleio · 2026-10-16
- Apple 代码签名耗时数小时,官方建议:等一周 — pjausovec · 2026-10-16
- 4B 模型加 8K 上下文堆算力反而更差，Hermes 提出上下文推理新思路 — mangahomanga · 2026-10-16
- Flux 3 Klein 默认模板有坑:必须接 prompt upscaler 才能出好图 — StrictMove5839 · 2026-10-16
- 21 人团队 AI 写 97% 代码,每周数百 PR,16% 自动合并 — rseroter · 2026-10-16
- ClosedMCP:一次配置 MCP,跨平台团队共享的 Serverless 方案 — Ok_Sprinkles1301 · 2026-10-16