LoRA 合著者加入 Mercor，开源 397B RL 训练指南
himanshustwts · x · 2026-09-02
LoRA 和 muP 的联合发明人 Edward Hu（前 OpenAI）加入 Mercor 领导模型训练与研究。Mercor 发布了博文，详细介绍了如何使用 SkyRL 对 Qwen3.5-397B-A17B 进行后训练（RL）。该项目专注于利用专家数据提升知识工作代理能力，在 APEX-Agents 基准上，将 Pass@1 从 16.11% 提升至 27.29%（相对提升 70%）。文章开源了完整训练脚本、模型权重和评估轨迹。
「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