Akshay Pachaar

Fireworks AI：编码代理在接近有效的 JSON 上失败

Fireworks AI 强调了依赖模型生成“几乎”无错误输出的编码代理的一个关键问题。问题在于，即使是 JSON 格式的微小偏差也会导致代理失败。该公司由 Akshay Pachaar 领导的研究表明，标准的监督微调 (SFT) 无法解决此问题，而是提出了一种称为 GRPO（可能是某种形式的强化学习）的方法，直接训练模型以确保正确性。