ScaffoldCoT 重构为 Scaffold Chat,新增 10 亿 token 编程 Agent 数据集
Saraozte01 · reddit · 2026-10-27
作者更新 ScaffoldCoT 数据集项目：因 tool calling 样本的合成管线缺陷导致训练失败，已删除全部 27.6 万条 tool calling 示例并更名 Scaffold Chat，现有 345 万条样本、约 13GB。
- 新增 Scaffold Agent：约 10 亿 token 的真实编程 agent 轨迹，来自近前沿开源模型在 Pi agent 框架中编辑真实仓库的会话；每个工具调用均真实执行，仅保留通过隐藏测试 + 代码质量评分 + 双 LLM 评审 + 绿色 CI 的约 20% 精选子集，共 19,652 条记录
- 每条记录是自包含的压缩段（≤64k token），附带 SFT 配置文档
- 正在训练一个基于这些数据的 5-10B 深度改造模型，采用未见过的 merge 方法
「编程与Agent」频道最新
- CLAUDE.md 比 README 还长是在毁掉你的 Agent：外置知识库可提升 23% 指令遵循 — Arindam_1729 · 2026-10-27
- 审查 AI agent 的产出，什么时候比自己做还费劲？ — Live_Hedgehog8785 · 2026-10-27
- FrontierCS 2 上线：48 道题让 AI agent 复现 13 个领域论文成果 — lmoroney · 2026-10-27
- SkillHarm 基准:智能体技能投毒攻击最高成功率 86.3% — hhsun1 · 2026-10-27
- 开发者用 OpenAI Astra 连写三天游戏，Dreamcast 版已接近 60fps — AIandDesign · 2026-10-27
- 开发者全程不打开编辑器，用 Claude Code CLI 完成 Unreal 原型 — majidmanzarpour · 2026-10-27