观点：多数 agent 任务无需后训练，写好 eval 才是护城河
abeirami · x · 2026-09-11
Rajeswar Sai 转发并引用 abeirami 的观点，主张在 agentic 工作中后训练往往是最后一步、甚至可以直接跳过。
核心论证：真正的杠杆一直藏在企业自己的工作流里——把「完成」的定义写清楚，就是最好的 eval，也是护城河，但几乎没人去做。abeirami 进一步给出优先级排序：eval ≫ harness 优化（快学习）≫ 模型后训练（慢学习），多数 agent 任务根本不需要慢学习循环；即便要做后训练，也应先有高信噪比的 eval，再在信号上优化 harness 把性能拉起来，最后才把系统行为「蒸馏」回权重。
所属事件:研究员提出 agent 能力金字塔：evals 优先于后训练(4 条相关)→
「漫话AGI」频道最新
- IFP 发布 23 条「低后悔」政策建议,应对 AI 自动化研发时代 — austinc3301 · 2026-09-11
- Melanie Mitchell 长文复盘「最近几周的 AI 地狱」 — MelMitchell1 · 2026-09-11
- Melanie Mitchell 长文：AI「失控」叙事误导在哪，真实风险在哪 — MelMitchell1 · 2026-09-11
- 「小行星也是灭绝风险」,舆论场激辩要不要为 AI 冒险 — tszzl · 2026-09-11
- Ben Thompson:Muse 足够好,AI 消费级应用的成败在此一举 — soleio · 2026-09-11
- AI 圈吐槽:末日论者反复拿「agent 黑进 HF」说事 — ctjlewis · 2026-09-11