零蒸馏 4B 模型 SWE-bench 达 61.5%,RL 环境设计成训练核心
rajammanabrolu · x · 2026-09-11
- FrogNano：基于 Qwen3.5-4B、完全不依赖蒸馏，仅在 TaskPilot 合成任务上做纯强化学习后训练，仅 5 轮迭代 × 300 个任务，就在 SWE-bench Verified 上拿到 61.5%，证明编码 agent 不一定要大模型。
- 多位研究者引用新发布的 DeepSeek 技术报告中被广泛引用的观点：RL 环境的设计与合成才是训练的核心，而且这条路可能是可扩展的。
- 转发者 @ericxyuan 表示自己在训练 4B 模型时观察到同样的结论，学界与业界对「环境工程 > 模型规模」正在形成共识。
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
- Firecrawl 推 a16z Speedrun 创始人专属福利,并披露 7500 万美元 B 轮 — devdigest · 2026-10-27
- 开源项目 Chums:用 Apple Watch 随身遥控 Mac 上的 Claude Code — brandon_galang · 2026-10-27
- 开发者开源 Clairic Studio:粘贴文本自动生成五语言类型化代码 — dfinke · 2026-10-27
- Matt Pocock 分享 expand/contract 拆分法:把单向门 PR 拆成两层降风险 — mattpocockuk · 2026-10-27
- Qdrant 自研 Universal I/O:向量库 mmap 无缝迁移到对象存储 — qdrant_engine · 2026-10-27
- theo 公开个人 Claude skills 栈，Garry Tan 喊话「公布你的技术栈」 — ycombinator · 2026-10-26