一篇新的研究论文探讨了交互轨迹在训练AI代理方面的有效性，发现独立性能并不决定教学效果。令人惊讶的是，在较低评分模型DeepSeek-V3.2的轨迹上微调的代理，比在较高评分模型Claude Opus 4.6上训练的代理表现出更好的泛化能力。这种“教学悖论”归因于环境接地监督（EGS），它暴露了检查-行动-验证的行为，使学生能够内化解决问题的例程。该研究还强调了卓越的数据效率，Qwen3-32B使用显著更少的数据实现了最先进的性能。 AI
影响 表明AI代理训练将从结果匹配转向利用工程学以获得更好的泛化能力。
排序理由 该集群包含一篇详细介绍AI代理训练方法新研究发现的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Claude Opus 4.6
- DeepSeek-V3.2
- Environment-Grounded Supervision (EGS)
- Qwen3-32B
- Terminal-Bench 2.0
- Terminal-Lego
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →