TokenRhythm 发布 NeoHorse-1:用 agent 执行轨迹训练的 4B/9B 模型族
rohanpaul_ai · x · 2026-09-17
rohanpaulai 指出一个普遍浪费:大多数 agent 系统在每次任务结束后就丢弃了最有价值的训练数据——哪个模型被路由到哪、调用了什么工具、返回了什么、agent 在哪失败、如何恢复,这些信息随任务结束而消失。
TokenRhythm 据此发布 NeoHorse-1 模型族(4B/9B),用 agent 执行轨迹和结果做后训练,即模型学的是「任务实际如何被执行」的完整过程。技术报告、Hugging Face、ModelScope 和 GitHub 权重均已放出,主打开源可复现。
所属事件:TokenRhythm 开源 NeoHorse-1：用 Agent 经验训练 4B/9B 模型(11 条相关)→
「编程与Agent」频道最新
- Google 开源内部「大象-金鱼」工作流:规划与审查分离防 AI 敷衍 — gaganghotra_ · 2026-11-02
- InfoQ 发文：Agentic AI 架构中记忆、知识与上下文的系统化方法 — AdiPolak · 2026-11-02
- Harness Pro 用 ESP32-P4 做出 AI 编码 Agent 桌面监控屏 — dee_hw · 2026-11-02
- RL 训练 LFM2.5-24B 适配器：精度持平下工具调用省 20% — yb2698 · 2026-11-02
- Agent 生产环境排障之痛：错误在第5步、根因在第3步 — Ok-Machine7983 · 2026-11-02
- RAGFlow 1.0 预览：从 RAG 引擎转向 agent 原生数据库 — newpeak · 2026-11-02