跳到正文
arXiv · NLP· Xuannan Liu, Tian Lan, Zekun Li, Xing Cui, Zhengfeng Yu, Feihu Jiang, Qianghuai Jia, Longyue Wang, Zhao Xu, Weihua Luo, Peipei Li, Ran He·· 3 天前AI 评分34

TrainExplorer:基于计划与解耦探索的自主 LLM 后训练多智能体框架

TrainExplorer: Autonomous LLM Post-Training via Plan-and-Decouple Exploration

AI 导读

TrainExplorer 通过策略规划与解耦执行,在 PostTrainBench 上取得 39.02 分,超越 Claude Code 7.32 分并高于 GPT-5.6 Sol 驱动的 Codex。该框架利用文献构建策略搜索空间,通过单组件干预解决现有方法中的策略锁定与执行耦合问题,代码将公开。

来源:arXiv · NLP · arxiv.org