推文

@Lonly_66 · 2026-10-13 18:21

说个暴论：训练 coding agent，轨迹长度比数据量重要得多。 阿里高德的 TerminalHorizon-27B，只用了 2852 条训练轨迹，Terminal-Bench 2.0 拿到 55.8%，比底座 Qwen3.5-27B 涨了 14.2 分。 同底座的另一个模型用了约 3.2 万条，反而低 3 分。 关键是轨迹平均 52.8 轮交互。短轨迹只教会模型"敲命令"，长轨迹才教会它"查证据、换策略"。 天天用 Claude Code 的应该有体感：好 agent 不是一步到位，是会自己绕回来。

曝光 26 · 评论 1 · 点赞 4 · 书签 0