TwiScan
인기
커뮤니티
계정 컬렉션
로그인
회원가입
English
日本語
한국의
简体中文
繁体中文
가입 후 초대 링크를 공유하면 동영상 재생 및 초대 보상을 받을 수 있습니다.
지금 가입
美研芒格君
@Kay2289123
来自硅谷的投研团队 成员来自斯坦福、沃顿商学院 懂技术的投资者,懂投资的工程师 致力于让模型更聪明、更快、更便宜
가입 May 2026
44
팔로잉 중
34.9K
팬
美研芒格君
@Kay2289123
2026.10.27 16:55
Agent Evaluation 是我觉得为数不多还需要人力去做判断、将来很难被AI 彻底取代的职业方向。我给大家找了一个非常好的学习资料入门:Hugging Face 的公开 Training Agent 课程 学完了,你应该会有更强的 sense,判断 AI 时代下哪些工作更适合人来做 这个资料是公开的,视频都在 Hugging Face 的 YouTube 频道,代码全部开源,下面有这六节: 1、Agentic Evaluations Workshop:怎么评价一个 Agent。 这一章节去看:为什么 benchmark 分数和真实使用体验对不上?目前 Agent Eval 做到了哪一步,还有哪些问题没解决。先把“怎样才算一个好 Agent”,等等都有 cover 2、RL for Agents Workshop:给 Agent 做强化学习,难在哪 这一章节去关注:从 LLM 的 RL 走到 Agent 的 RL,会多出哪些难点?环境怎么搭、rollout 怎么跑、reward 怎么设计,以及训练过程中推理为什么会成为 bottleneck 3、SFT on agent traces:用 Agent 的执行轨迹做微调 这一章节去关注:拿公开的 coding-agent traces(执行轨迹)整理成训练数据,用 TRL + LoRA 做 SFT,在 Hugging Face Jobs 上跑,用 Trackio 看指标。基本带着走了一遍小型的微调流程 4、Distillation:把大模型的能力蒸馏给小 Agent 这一章节去关注:怎么把 teacher model 的能力转移给更小的 coding agent。off-policy、on-policy、self-distillation 都会讲,看看这几种蒸馏方式分别怎么做 5、Reinforcement Learning:SFT 之后,怎么继续用 RL 训练 这一章节去关注:用 GRPO 接着训练,讲 group sampling、可验证的 reward,以及 reward、KL、输出长度这些曲线怎么看。看 Agent 怎么 reward hacking 6、From reward functions to environments:让 Agent 在真实环境里学习 这一章节去动手:从 reset()/step() 接口讲起,用 OpenEnv 搭环境、上传到 Hub,再接入 TRL 的 GRPOTrainer。最后通过 Harbor 和 Hugging Face sandboxes,用 AsyncGRPOTrainer 训练真正的 coding agent:OpenCode。让 Agent 在环境里采取动作、拿到反馈,再继续训练
더 보기
0
0
18
498
65
커뮤니티로 전달
인기 있는 사용자
New York Post
@nypost
4.3M 팬
オリコンニュース
@oricon
2M 팬
Reuters
@Reuters
26.5M 팬
First Squawk
@FirstSquawk
579.4K 팬
TVer新着
@TVer_info
101.8K 팬
PR TIMESテクノロジー
@PRTIMES_TECH
28.3K 팬
ツイッター速報〜BreakingNews
@tweetsoku1
260.1K 팬
billboard
@billboard
16.9M 팬
Bloomberg
@business
10.5M 팬
zerohedge
@zerohedge
3.4M 팬
モデルプレス
@modelpress
2.1M 팬
ITZY
@ITZYofficial
6.6M 팬
空空道人
@Kongkongda5882
40.8K 팬
MANTANWEB/毎日キレイ
@mantanweb
68.6K 팬
GOT7
@GOT7Official
8.9M 팬