字节等开源 Axion1.0:两阶段 SFT+RL 训出科学智能体,122B 超 GPT-6

机器之心 · wechat · 2026-11-17

杜克大学、字节跳动、马里兰大学与纽约州立大学布法罗分校联合推出 Axion1.0,只用两阶段 SFT 加 RL 的极简流程训练智能体基础模型,并全面开源数据构造、训练代码与模型。

训练流程

主要成绩

方法也适用于小模型:仅两阶段 SFT 后,4B/9B 模型在 HLE-130 分别达 53.1%/63.1%。不同 Qwen 底座训练前相差 9.2 个百分点,训练后差距缩小到 0.8 个百分点,说明数据构造可跨底座复用。

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →