SkyRL 实战：Qwen3.5 长程办公 agent Pass@1 从 16% 提到 27%
SinclairWang1 · x · 2026-09-03
charlieruan 与 Mercor Research、SkyRL 团队合作，用现成数据在 APEX-Agents（长程办公任务）上训练 Qwen3.5-397B-A17B，把 Pass@1 从 16% 提升到 27%。
帖子更像一份 RL 训练的实践指南，逐步降风险地推进：
- 环境基础设施
- harness 修复与优化
- token-in-token-out 验证
- 一次过拟合实验（overfitting run）
- 小模型消融
- 最后才是正式的 hero run
额外发现：虽然在基于 MCP 的 harness 上训练，增益仍迁移到了 OpenCode，甚至 Terminal-Bench 2.1。代码、模型和评测轨迹全部开源。
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