Ripple-65B Preview 发布：美国开源权重模型在智能体编码上达到 SOTA

我们没有投入蛮力式的强化学习爬坡，而是围绕计算效率，仔细迭代了我们的 SFT 和 RL 配方。我们选择不购买任何后训练数据，而是自行设计了合成数据流水线、质量过滤和覆盖率指标。

我们的混合 RL 配方使用了

截断重要性采样

,

分数中心化

、以及

线性长度惩罚

，并搭配高质量的长时程合成环境。RL 任务针对我们的模型能力进行了调优，并且随着模型改进，我们不断加入更困难的任务。

最终结果是从一个强大的初始 SFT 检查点出发，实现了陡峭的 RL 爬坡。我们仅用 1.4M 次 rollout 就达到了 TerminalBench 2.1 的 80.5 分，rollout 次数比此前 SOTA 的 Reflection Beam 少约 70 倍。