页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「Agent训练」找到 178 条内容
按专题浏览 →匹配正文：…型伪造工具返回？ Observation 只能由工具适配层根据真实调用写入，并保存请求、状态和来源定位；模型自由生成的观察不能进入训练。 追问四：为什么截断样本不能一律当负样本？ 它可能方向正确但没做完。统一惩罚会鼓励模型提前给结论，应把事实错误、行动错误、环境失败和截断未完成分开。 追问五：格式通过率提升，能说明 Agent 变强了吗？ 不能。格式只是第一层，还要独立评测工具选择、过程进展、证据准确、答案完整和异常恢复。 怎样把 Teacher 轨迹质检流程说完整 Teac…
匹配正文：一个调研 Agent 面对“水的化学式是什么”，先调用 Search；面对简单乘法，也想搜网页；真正需要访问原文时，却停在搜索摘要。 很多团队会先怀疑 Prompt 没写好，或者模型太小。 但如果训练轨迹里大量任务都以 Search、Visit 开头，模型可能只是忠实模仿了高频动作。它没有学会判断“当前缺什么信息”，而是把“收到问题”与“先搜索”绑定在一起。 相关首次训练记录里，就出现了简单问题仍偏 Search 的现象，材料同时指出 Search、Visit 轨迹偏多可能是…
学习内容与项目面试，在同一条路上。
匹配正文：…做 SFT，模型可以更快学会结构化 tool call，也能模仿常见的搜索与回答流程。 但这不代表它已经会在新环境里做研究。 面对训练数据没覆盖的工具错误、来源冲突和长程任务，模型可能继续照搬固定路径。它知道“标准答案长什么样”，却不知道哪条行动更好，也没有在环境反馈中练过取舍。 相关训练材料把 Deep Research Agent 的训练拆成三层：Agentic CPT 注入 Agent 相关偏置，SFT 冷启动学习协议与基本轨迹，GRPO 再在环境反馈中优化策略。 这三…