仅 4B 参数纯 RL 训练,FrogNano 声称达成仓库级编程能力
burkov · x · 2026-09-10
FrogNano 项目展示了一个紧凑的 40 亿参数模型,仅靠在合成任务上做强化学习就能达到较强的仓库级编程性能,无需从更大模型蒸馏,意在降低前沿 SWE agent 的成本与部署门槛。
核心方法:
- TaskPilot:在线任务合成系统,从真实仓库快照生成并迭代打磨可执行的软件工程任务,难度校准到当前策略的「可学习边界」。
- Leaf:轻量 agent 执行框架,只配五个带类型的工具加简单的终止规则。
- 训练:以 Qwen3.5-4B 为基座,用 group-relative DPPO,经五轮连续的任务合成-训练迭代。
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
- 用去审查版 GLM 绕开 Claude 拒答： SS7 威胁建模工作流 — l4rz · 2026-10-27
- Cloudflare Durable Objects 被验证为 AI agent 高并发场景优选架构 — tristanbob · 2026-10-27
- GitHub Next 发布 Chopin:实时多人的 Agent 协作规划环境原型 — max__drake · 2026-10-27
- TMLR 论文：更强推理不等于更充分披露，Agent 思考越多未必告知越全 — SharonYixuanLi · 2026-10-27
- 作者称全由 LLM 编写的 Rust 库 bbtree 实测：快是真的，省内存翻车 — lmoroney · 2026-10-27
- 同一套 DeepSeek 内核两种优化路线：vLLM 拆专家、SGLang 降访存 — AccBalanced · 2026-10-27