載入中...
Allen KB Articles
共 4 篇；目前第 1 / 1 頁，每頁 24 篇。
Hugging Face FineEnvs 以 LFM2.5-2.6B 在 OpenCode、Claude Code、Codex、Mini-SWE-Agent 四種 harness 訓練與評估；特定實驗中 pass@1 從 42.2% 升至 54.2%，但結果不能外推成工具排行榜。
SDAR（Self-Distilled Agentic Reinforcement Learning）把 RL 當主幹，將 On-Policy Self-Distillation 變成 gated auxiliary objective：只強化老師明確支持的正向 token，對負向訊號保守衰減，避免多輪 agent 因錯誤技能或錯誤提示被老師帶偏。
HTML 實驗版：Learning Beyond Gradients 的核心不是取代梯度訓練，而是把 Coding Agent 的學習轉成可維護的程式、策略、測試與記憶更新流程。
論文 Synthetic Computers at Scale for Long-Horizon Productivity Simulation 提出不再只造 benchmark task，而是批量生成 user-specific synthetic computers，讓 agent 在完整檔案、文件、表格、簡報與模擬協作者中完成長期工作。這代表 agent 訓練的關鍵可能從題庫轉向能否批量造世界。