Rox 用销售改稿数据训奖励模型,比 LLM 评审快 5 倍便宜 30 倍
andrew_ilyas · x · 2026-10-13
销售 AI 公司 Rox 分享了给商业 agent 建反馈闭环的实践:编码 agent 靠「写代码→拿反馈→改进」的循环变强,但做商业工作的 agent 一直没有这样的循环。他们用真实冷启动邮件 + 销售人员在 AI 草稿发出前的修改数据,训练了一个 Outbound Reward Model:
- 比 LLM 评审快 5 倍、便宜最多 30 倍
- 80% 的情况下与销售人工修改后的版本一致
- 用它筛出的 top 邮件平均回复率是基线的 1.75 倍(对比 GPT 评审 1.33 倍、Claude 评审 1.23 倍)
配图显示随保留邮件比例收窄,奖励模型的优势曲线持续领先两个 LLM judge。
「编程与Agent」频道最新
- 15 个 AI Agent 抢报「你有新邮件」，配图神还原内卷现场 — omooretweets · 2026-10-13
- Every 团队语音驱动 Agent 指南：说话即可修 bug、写稿、清收件箱 — every · 2026-10-13
- 网友教 Claude 用代码画 3D 油画，本质是运动求解实验 — Kyrannio · 2026-10-13
- SubQ Snap 用 133K 字符案卷做法律决策:一次调用 2.5 秒仅 0.0069 美元 — ryanallred · 2026-10-13
- 英伟达工厂 AI 蓝图曝光：Nemoclaw 智能体让工厂拥有新大脑 — firstadopter · 2026-10-13
- Google 提出正则化递归自我改进 RRSI,分布外成绩平均高出 3.3 分 — jiqizhixin · 2026-10-13