#Agent训练

共 2 篇相关文章

微软工程师在UC Berkeley课程中详解Agentic AI模型训练实战：可验证与不可验证数据的处理、rubrics评分器设计、奖励黑客防范、异步强化学习效率优化，以及测试时与训练时扩展的未来方向。

Qwen 开源 QwenGyre 强化学习框架，面向极端长时程 Agent 训练，通过 Elastic Scheduler 弹性调度 GPU 和 Trajectory Processor 轨迹树去重，在 NL2RepoBench 上从 52.5% 提升至 58.5%，训练时间缩短约 44%。