Liquid AI 披露模型后训练的四个阶段及智能体强化学习细节

摘要与判断

Liquid AI 披露了其模型的后训练细节，强调在真实智能体工具链中进行训练。后训练分为 SFT、专家特化、多领域同策略蒸馏和智能体强化学习四个阶段，其中最后阶段通过 Pi、Hermes Agent 和 OpenClaw 进行多轮强化学习。每次运行均在独立沙盒中通过 GRPO 算法优化，结合大模型裁判、程序化检查和安全门进行评估。这为业界提供了关于高级智能体模型训练流程的具体技术参考。

Topics

引用和原文

• We trained it inside the real agent harnesses people use. > Four stages of post-training:
• 原文链接

Trace

Raw Item

raw_e51920127a8e4116

Processed Item

processed_c812fcff113c4919

Source

source_x_teknium

Cluster

查看所属簇

LLM Logs

llm_3ad9b55dd5f441a0, llm_7e5f1f6e10584b8c, llm_6aca138ae7434f83

Coze Loop

2a0df2a728a939f129ae0247fe74d0e0