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
- Teknium 整理 305 款可被 Agent 接管的开源硬件设备目录 — Teknium · 2026-10-06
- 用爬虫+GPT混合架构扫了5137条招聘,只花6.53美元挖出3个蓝海接单赛道 — Arindam_1729 · 2026-10-06
- xAI 官方 Cookbook 新增 4 个 Grok 实战示例：截图转 React、一键广告片 — tetsuoai · 2026-10-06
- 博主晒个人 agent 集群:十来个 AI 助手同时待命处理事务 — sebkrier · 2026-10-06
- Jina 工程师打磨 omni-macos:Apple Silicon 本地语义 Finder 走向日用 — JinaAI_ · 2026-10-06
- 用户实测：Grok 企业 Bots 几分钟即可搭建全组织可用的自定义工作流 — aryamankhawow · 2026-10-06