M@mervenoyannX10-28
转发 Hugging Face 的 Agent 后训练 5 步实战课程。课程从 SFT 克隆轨迹出发,依次推进到 DistillationTrainer 在线蒸馏、GRPOTrainer 单轮 RL、OpenEnv 多轮环境交互,最后用 AsyncGRPOTrainer 在真实 harness 中做大规模自进化训练。
F@fofrAIX10-26
总结用 Agent Loop 做科学探索与评测的四条防幻觉铁律。第一,管线必须盲测复现已知结果。第二,必须拦截已知伪造数据和噪点。第三,每次都启动带无引导 prompt 的独立 Agent 从原始数据做对抗审查。第四,把审查发现的漏洞沉淀为通用 skill。
N@NielsRoggeX10-26
拆解了常规推理与 Agent Harness 沙盒的底层架构差异。vLLM 生产栈可以用 Kubernetes 扩展无状态推理;但 Agent 执行代码和操控屏幕需要有状态沙盒,Modal 通过定制架构才扩展到超过 100 万个并发沙盒。
S@skalskip92X10-28
用团队的视觉基准实测了 GPT-6.1 Terra。在文字识别、目标检测和计数上,Terra 全部超过 GPT-6 Astra。同时它的推理速度快约 47%,调用成本低约 92%。
N@NielsRoggeX10-26
宣布 Papers with Code 以 Apache-2.0 许可证开源。网站还用小型判定模型 Jev 自动高亮论文摘要里的方法和基准。处理 12.1 万篇论文的总成本只有 5 美元。
G@giffmanaX10-23
剖析了零阶优化(zeroth-order)训练大模型的局限。无梯度方法在小参数量下可行,但随着模型“内禀维度”增大,效果会急剧下降。反向传播的价值正是用一次前向加一次反向算出全部参数的梯度。
r/r/AI_AgentsReddit本周热议
本周工程讨论聚焦两个 Loop 与 Harness 设计问题。第一,外部工具宕机时,Agent 调用链应该降级继续还是立即中止。第二,单 Agent 加可靠工具往往比复杂的多 Agent 通信更稳定。