推文

@KakaluoteW45042 · 2026-10-10 05:01

agent RL 的一个通病：simulated user 太配合、说话太直白，tau-bench 刷得漂亮，一上线碰上需求模糊、前后矛盾的真实用户就露馅。训练分布和真实分布对不上，练出来的能力是虚的。做 harness 的值得一看。

曝光 16 · 评论 0 · 点赞 0 · 书签 0