SkyRL 训练 Qwen3.5-397B,智能体长任务 Pass@1 从 16% 提至 27%
simonguozirui · x · 2026-09-03
Mercor Research 与 SkyRL 团队合作,用 SkyRL 框架配合 Harbor RL recipe,基于 APEX-Agents(长程办公任务)的现成数据训练 Qwen3.5-397B-A17B,把 Pass@1 从 16% 提升到 27%。
原帖更像一份 RL 训练实战手册,讲拿到数据集后如何逐步降险:先搭环境基础设施,再修 harness 并优化,处理 token-in-token-out,跑一次过拟合验证,做小模型消融,最后才上主训练。作者还发现增益能迁移:在 MCP harness 上训练的模型,在 OpenCode 上也涨分,甚至在 Terminal-Bench 2.1 上同样有效。
代码、模型与评测 trace 全部开源。
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
- 「前沿模型 400 美元订阅不可能持久」,团队转向评测开源模型备胎 — ChrisRackauckas · 2026-10-18
- MIT 团队实测:agent 编码用量若按 API 计费每月高达 4 万美元 — ChrisRackauckas · 2026-10-18
- 开源编码工具 OpenCode 遭攻击,1.4% 用户 API 密钥泄露 — astrange · 2026-10-18
- Grok Bot 当员工数周开单干生意，已设 7 个岗位进账 700 美元 — elonmusk · 2026-10-18
- fetch-guard:MCP 抓取服务器主打分层防提示注入 — modelcontextprotocol · 2026-10-18
- miniCloud Omni-Vault:跨会话 agent 记忆库,端侧哈希保隐私 — modelcontextprotocol · 2026-10-18