Snorkel 用二值门控 GRPO 训练 Qwen,GDPval 成绩从 31.9% 升至 40.7%

ajratner · x · 2026-11-21

Snorkel AI 发文介绍其在专业级 agent 训练上的新结果:用 1105 个专家构建的 GDPval+ 任务训练 Qwen3.8-27B,约 102K 次训练 rollout 后,模型在 OpenAI GDPval 金标集上的 pass@1 从 31.9% 提升到 40.7%。

关键点:

结论:专家级训练数据 + 从失败中学习的算法二者结合,是在成功率极低的专业任务上训练 agent 的关键。

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →