1700 个任务做 RL，Kimi K2.7 五项编码评测全线大涨
echen · x · 2026-09-12
Surge AI 团队仅用强化学习对 Kimi K2.7（Max reasoning）做后训练，在 1700 个自建编码任务上训练后，模型在五个外部编码评测全面提升：SWE-Marathon +20.0、Terminal-Bench 2.1 +14.6、DeepSWE +12.4、Terminal-Bench 3 +10.7、SWE-Bench Pro +4.7。
作者的核心观点：RL 之前 K2.7 像实习生一样会写代码，但「最后一公里」不稳——漏需求、测试写得太窄、引入回归；RL 后像 staff engineer 一样让代码真正可交付。
所属事件:Surge AI 用 1700 个任务 RL 后训练，Kimi K2.7 五项编码评测大涨(2 条相关)→
「编程与Agent」频道最新
- 微软研究院与 CMU 发布 SecureVibe:让 vibe coding 写出更安全的代码 — lileics · 2026-10-28
- Nitrosend 让 Grok Bot 自主接管邮件营销:一条 SKILL.md 全自动配置 — nikvassev · 2026-10-28
- Oracle 推出 AI Agent 图像记忆:截图凭据可跨会话留存检索 — TheTuringPost · 2026-10-28
- Claude Opus 5.5 从二进制重建 SQLite 等程序,ProgramBench 得分 18.5% — winer666 · 2026-10-28
- Pichai 自述用内部 Agent 汇报训练进展与算力遥测 — rohanpaul_ai · 2026-10-28
- Amazon 重写 SDE 角色指南：定义「文艺复兴开发者」时代 — prdeepakbabu · 2026-10-28