Bespoke Labs 用 SFT+GRPO 把模型后训练成代码仓库专家
AlexGDimakis · x · 2026-09-04
Bespoke Labs 与 Thinking Machines(John Schulman 团队提供支持)合作的新研究:如何把模型后训练成针对特定 GitHub 仓库个性化的编码模型。方法是以 Inkling 为基座,用强教师模型产生的轨迹做监督微调(SFT),再在专门策划的仓库级环境中用 GRPO 做强化学习,显著提升模型在该仓库上的表现。Alex Dimakis 致谢团队的工具与支持。
所属事件:Bespoke Labs 用 SFT+GRPO 后训练模型成单一代码仓库专家(4 条相关)→
「编程与Agent」频道最新
- Skills/MCP/RAG/Memory 一张图分清：agent 四类知识机制各管什么 — MaryamMiradi · 2026-10-21
- 客服拒与 AI 对话，用户的 agent 隐瞒身份继续维权 Xfinity — MoonL88537 · 2026-10-21
- Every.to《Codex 是如何诞生的》公开采访原文供读者用 agent 核查 — every · 2026-10-21
- 一条提示词直出 Blender 素材：Voyager+Opus 5.5 全程零配置 — ravisparikh · 2026-10-21
- 航空业的数据溯源思路：智能体如何在图结构数据上拼证据 — colinmcnamara · 2026-10-21
- 让 Claude Code 独立执导 MV：6.5 小时、765M 输入 tokens 完成 — colinmcnamara · 2026-10-21