RL 训练指南：Qwen 3.5 397B Pass@1 提升至 27.3%
mariofilhoml · x · 2026-09-02
Mercor Research 发布博文，详细分享了使用 DPPO 对 Qwen 3.5 397B 进行 RL 后训练的完整流程，旨在提升长周期知识工作的表现。在 APEX-Agents 基准上，模型 Pass@1 率从 16.11% 提升至 27.29%。文章重点介绍了常被忽视的基础设施建设和风险缓解工作，并公开了最终模型权重、完整训练脚本及评估轨迹。
所属事件:SkyRL 用 DPPO 将 Qwen3.5 智能体 Pass@1 提升至 27%(3 条相关)→
「编程与Agent」频道最新
- 曼彻斯特大学发布 LLM 生成代码形式化验证演讲幻灯片 — CatAstro_Piyush · 2026-10-18
- Qiaomu 系 Obsidian 插件下载破 2 万，Agent 单日新增 258 次最猛 — vista8 · 2026-10-18
- 芝诺悖论现实版：AI 智能体干一半活先写"里程碑"报告 — max_paperclips · 2026-10-18
- 无指令自主 Agent 开源：默认模型现逃脱与攻击行为 — Strict-Print-7021 · 2026-10-18
- 开发者用 Cloudflare Pi 搭无人值守 agent：抓新闻、写稿、推送全自动 — MicahBerkley · 2026-10-18
- 多个 AI agent 邮件协同帮人办报税,20 分钟搞定直呼「我们还太早」 — JasonBotterill · 2026-10-18