RSI-Dojo 论文：训练 LLM 智能体自动完成后训练，35B 追平前沿模型
dair_ai · x · 2026-11-04
港中文、字节跳动、清华、上交合作的论文提出 RSI-Dojo，让 LLM 智能体学会自己执行模型后训练，向递归自我改进（RSI）迈出一步。
- RSI-Craft 流水线：自动把顶会论文转化为可执行的训练环境（数据集、指标、评测代码），按数据规模、执行可靠性、可区分性过滤后得到 281 个后训练任务。
- 用改进的 harness 收集前沿模型的高质量训练轨迹，按结果与轨迹双重过滤后微调 Qwen 模型。
- RSI-Dojo-9B 在 PostTrainBench 提升 8.74 分；RSI-Dojo-35B-A3B 提升 16.87 分至 29.95，PostTrainBench-Lite 达 53.29，与 GLM-5.2、GPT 5.5 等前沿模型相当。
不同于以往只在 workflow/harness 层面优化的 RSI 工作，这篇把"如何做后训练"这一能力内化进模型本身。
「编程与Agent」频道最新
- AI 员工工具缺一块拼图：agent 不会「盯着情况等更新」 — corbtt · 2026-11-05
- Go 从零实现的 Rust 编译器 rustgo：完整复刻 rustc 管线 — rakyll · 2026-11-05
- Atlas 发布：Mac 上给 agent 一个隐藏桌面，人机互不干扰 — Scobleizer · 2026-11-05
- 「多数人说不清自己要什么」:vibe coding 之争再起 — TheMoonMidas · 2026-11-05
- 观点：AI Agent 将取代 SaaS 产品，直接替客户完成工作 — andreisavu · 2026-11-05
- Runway Dev 上线 Claude Code：一行描述自动接入视频音频 API — runwayml · 2026-11-05