TMax 开源终端智能体强化学习训练配方
热点事件持续更新
TMax 开源终端智能体强化学习训练配方
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Hamish Ivison 等作者发布开源终端智能体强化学习训练配方 TMax，并开源数据、模型和代码。作者称，该配方仅用 9B 参数模型就在 Terminal-Bench 2.0 上取得 33%，超过此前更大模型的表现。 配方先用一套新分类法生成数据，结合难度控制、人物设定和验证器多样化，低成本产出大量终端环境用于强化学习和监督微调，再以仅依赖结果、小幅调整稳定性的方式训练开放权重模型。作者称方法适用于 2B 到 27B 的多个模型家族。
AI 根据报道生成 · 2 小时前更新
最新进展11月4日 13:00
TMax：面向终端智能体的简单强化学习训练配方报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv cs.CLTMax：面向终端智能体的简单强化学习训练配方
TMax 是一套开源的终端智能体强化学习训练配方，仅用 9B 参数就在 Terminal-Bench 2.0 上取得 33%，超过此前更大模型的表现。该配方先用一套新分类法生成数据，结合难度控制、人物设定和验证器多样化，低成本产出大量终端环境用于 RL 和 SFT 训练，再以仅依赖结果、小幅调整稳定性的方式训练开放权重模型。方法适用于 2B 到 27B 的多个模型家族，作者开源了数据、模型和代码。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。