机器之心(公众号)·· 22 小时前AI 评分20
字节跳动等推出 Axion 1.0:两阶段 SFT 加 RL 训练智能体
训练一个强大的智能体,究竟有多简单?字节跳动等推出Axion 1.0
AI 导读
杜克大学、字节跳动等团队推出 Axion 1.0,训练流程仅含两阶段监督微调(SFT)和强化学习(RL),不设中期训练、DPO 或在线策略蒸馏。Axion 1.0-122B 在限制部分网站访问的完整 HLE 评测中取得 59.0%,超过 GPT-6 Astra 的 57.2%;35B 版本在 SEAL-0 上取得 62.2%。团队已开源数据构造、提示词及训练代码。
来源:机器之心(公众号) · mp.weixin.qq.com