Snowflake 押注 Agentic RL：先过拟合再扩展，Qwen3.5-9B 提至 65.7

StasBekman · x · 2026-10-28

Snowflake AI Research 公布 Agentic RL 的三项里程碑,强调长程智能体训练的关键是找对配方、消除 reward hacking、并与建模协同设计系统,而非堆算力：1) Arctic-SWE 配方坚持「先过拟合,再扩展」——在 160 个可解任务沙箱上干净过拟合并稳定保持(约 96% 收益),公开配方 Prime-RL、SkyRL 在同池上会崩溃;2) HybridResearcher 验证 SWE 配方可迁移到深度研究,让紧凑 agent 在单条推理链中桥接结构化企业表(SQL)与网络搜索;3) 数据策展——在 SWE-bench Verified 上,Qwen3.5-4B 从 47.4 提升至 65.0、Qwen3.5-9B 从 56.2 提至 65.7,策展数据带来明显增益。