Kaggle 联合 Eigent 发布 AgenticRL-Bench:考 AI 智能体修复真实 RL 训练事故
MeganRisdal · x · 2026-11-21
Kaggle 与 EigentAI 合作发布 AgenticRL-Bench,评估编码智能体能否诊断并修复 agentic RL 技术栈(Miles、slime、verl、SGLang、Megatron、Harbor)中的真实事故。
- 基准由 22 个后训练 RL 任务构建,Kaggle 排行榜对其中 19 个可验证任务打分,由 Kaggle 在 Modal 上运行,每个任务 3 次尝试,所有隐藏检查通过才算过关
- 任务覆盖真实 agentic-RL 工程工作,如 Verl Upgrade Gate、负载下的奖励确定性、Trial Fault Attribution、SQL Partial Credit Exploits 等,从调试到训练均有涉及
- 官方号召用 Harbor 来 benchmark 使用 Harbor 的智能体
这是首个聚焦「RL 训练栈运维事故」的智能体评测,对 agent eval 工程有直接参考价值。
「编程与Agent」频道最新
- 网友 vibe coding 出黎曼猜想证明验证站,一条命令本地跑 Lean 检查器 — sudoraohacker · 2026-11-21
- Fable 5.2 一下午做出 FPS 恐怖游戏,开发者称 AAA 已被解决 — TAbrodi · 2026-11-21
- 曝 Google Stitch Loop 自我改进智能体:连 GitHub 自动拆 KPI 并用 Gemini 实现 — testingcatalog · 2026-11-21
- AFK Pilot 更新接入 Gemini 4 Neon,装机量超 18 万并警示封号风险 — PawelHuryn · 2026-11-21
- Eric Elliott:让 Agent 用小模块加纯函数写代码,出错更少更省 token — ericelliott_ · 2026-11-21
- 蛋白质结合剂竞赛实测:LLM 编排器 vs 人类专家谁更靠谱 — madeofAjala · 2026-11-21