แท็ก

#agent training

2 บทความ

FACET: สังเคราะห์โจทย์เทอร์มินัลจาก state ของคอนเทนเนอร์จริง — เทรน Qwen3.5-27B ด้วย trajectory แค่ 1.2K แล้วไล่ตามโมเดล 397B บน Terminal-Bench 2.1 เหลือห่าง 1.49 แต้ม
งานวิจัย

FACET: สังเคราะห์โจทย์เทอร์มินัลจาก state ของคอนเทนเนอร์จริง — เทรน Qwen3.5-27B ด้วย trajectory แค่ 1.2K แล้วไล่ตามโมเดล 397B บน Terminal-Bench 2.1 เหลือห่าง 1.49 แต้ม

เปเปอร์ FACET (arXiv 19 ส.ค. 2026) เสนอวิธีสร้างโจทย์สำหรับเทรน terminal agent โดยผูกคำสั่ง สภาพแวดล้อม เฉลย และตัว verifier ไว้กับ state ของคอนเทนเนอร์เดียวกัน ได้โจทย์ที่ผ่านการตรวจจริง 6,078 ข้อ และเมื่อ fine-tune Qwen3.5-27B ด้วย trajectory เพียง 1.2K คะแนน Terminal-Bench 2.1 ขึ้นจาก 40.82 เป็น 47.57 ห่างจากโมเดล 397B แค่ 1.49 แต้ม

· อ่าน 7 นาที
Google ปล่อย EnvHarness — แทนที่จะสร้างสนามฝึกเอเจนต์ใหม่ทั้งสนาม ให้เอา "ปลั๊กอิน" ไปครอบสนามเดิมแล้วบิดให้ยากตรงจุดที่โมเดลอ่อน
งานวิจัย

Google ปล่อย EnvHarness — แทนที่จะสร้างสนามฝึกเอเจนต์ใหม่ทั้งสนาม ให้เอา "ปลั๊กอิน" ไปครอบสนามเดิมแล้วบิดให้ยากตรงจุดที่โมเดลอ่อน

20 ส.ค. 2026 ทีม Google เผยแพร่ EnvHarness — เลเยอร์ปลั๊กอินที่ครอบสภาพแวดล้อมฝึกเอเจนต์ตัวเดิมเพื่อเปลี่ยนพฤติกรรมมันโดยไม่แตะโค้ดข้างใน พร้อม EnvRigger ที่วิเคราะห์จุดอ่อนของโมเดลแล้วสังเคราะห์ปลั๊กอินให้เอง รายงานผลดีขึ้นสูงสุด 9.0 จุดบนชุดทดสอบที่ไม่เคยเห็น พร้อมใช้ก้าวน้อยลง 9.8% โค้ดเปิด Apache-2.0

· อ่าน 6 นาที