Kimi K2.7 后训练复盘：泛化到未见评测、轨迹步数反降三成
echen · x · 2026-09-12
Surge AI 发布长文复盘对 Kimi K2.7（Max reasoning）的纯 RL 后训练，三组关键发现：
- 收益可迁移：训练任务与目标评测无关——DeepSWE、SWE-Marathon、Terminal-Bench 3 在任务收集时还不存在；提升在三个不同 agent harness（工具、提示、循环结构各异）上都成立。SWE-Marathon 要求多小时长轨迹构建完整系统，TB3 覆盖硬件、科学计算、系统、安全等。
- 小模型反超大模型：按 K3 自报分数，后训练后的 K2.7 在 Terminal-Bench 2.1 与 3 上超过 K3；SWE-Bench Pro 略超 GPT-5.6 Sol（作者注明非受控对比）。
- 效率反升：中位轨迹长度 DeepSWE 从 150 步降至 98 步，TB3 从 102 降至 78。
核心结论：K2.7 本来就会写代码，后训练改变的不是知识而是「执行不再脆弱」——从会写变成可交付。团队进一步分析轨迹以找出模型学到的具体新行为。
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
- Will DePue 呼应 OpenAI 加 API 级能力：让多智能体一次并行分发上千个小模型调用 — willdepue · 2026-10-28
- DeckWerk 新版获早期用户好评：连续数周用于真实演讲 — vincesitzmann · 2026-10-28
- Opus 5.5 剪视频可替初级剪辑师，资深剪辑师日产出翻 5 倍 — dotey · 2026-10-28
- 软件栈正为Agent重构:开发者站点、浏览器乃至编程语言都在agent-first — mobileraj · 2026-10-28
- HABIT-Bench:八种记忆系统测用户习惯推断,最佳仅33.61% — SJTU · 2026-10-28
- 「钢琴测试」思想实验：你敢坐在形式化验证过的代码下吗 — moyix · 2026-10-28