FrogNano 揭秘:自适应合成 RL 环境练出 4B 编程模型
sivareddyg · x · 2026-09-09
FrogNano 团队公布技术细节:基于 Qwen3.5-4B,用 TaskPilot 生成的合成任务做纯 RL 后训练,零蒸馏、零教师轨迹 SFT,仅 5 轮迭代 × 300 任务(共 1500 个任务后停更),SWE-bench Verified 达 61.5%。
核心方法是「on-policy 数据」:针对当前策略的可学习区间动态生成合成 RL 环境,并根据 rollout 反馈持续调整。作者称对 TB2、SwePro、PatchEval 的泛化出乎意料,尚待弄清训练斜率何时趋于平缓。作者认为这种持续自适应的合成环境生成将是强化学习数据的大方向。
所属事件:微软 4B 纯 RL 编码智能体 FrogNano 达 SWE-bench 61.5%(7 条相关)→
「编程与Agent」频道最新
- 旧金山 Code Engineering 大会聚焦从编码 agent 到软件工厂 — LangChain · 2026-10-27
- 用 Claude Code 当 iPhone 取证器:挖出「已删」照片的 30 天隐藏副本 — alex_verem · 2026-10-27
- 用 Claude Code 审计 iPhone 备份，揪出被删照片的全部藏身处 — alex_verem · 2026-10-27
- Yuchen Jin：手机不是移动 IDE，而是 agent 舰队的控制台 — Yuchenj_UW · 2026-10-27
- FrontierCS 2 登陆 Kaggle：48 项任务让智能体复现 13 领域论文贡献 — MeganRisdal · 2026-10-27
- Agent Field Kit 上线：为生产级 Agent 提供 $29 起的安全应急手册 — alvelda · 2026-10-27