Modal 复现 GRPO 训练搜索 Agent,gpt-oss-20b 学会查 SEC 文件
ivan_bezdomny · x · 2026-10-23
Modal 官方演示其平台现可直接训练 GRPO 强化学习任务:成功复现 @lujasper 的《Training Search Agents with GRPO》工作,将 gpt-oss-20b 训练成一个能在 SEC 文件语料上做多轮智能体搜索的 agent,工具链包含关键词匹配、grep 和文件读取。
这一复现验证了训练的稳定性与正确性,也意味着开发者可以在 Modal 上一站式跑通多轮 agent 的 RL 训练流程。
「编程与Agent」频道最新
- Opus 5.5 全代码生成科幻片头：配乐也是合成的，每帧每音皆代码 — prasenx · 2026-10-23
- MiniMax Design MCP 上线,可在 Codex 等 Agent 内直接调用设计能力 — Hailuo_AI · 2026-10-23
- 开源 RAG Verifier:专查分块截断与引用不实两大盲区 — hlcAlex · 2026-10-23
- 南洋理工 RouteWeaver:统一多模式 LLM 路由框架 — NanyangTechnologicalUniversity · 2026-10-23
- 蚂蚁国际提出 Heartbeat Thinking，语音 agent 响应延迟降 36.4% — ant-intl · 2026-10-23
- 开发者驳「vibe coding 致漏洞泛滥」：多数 CVE 出自人写旧代码 — HowDevelop · 2026-10-23