arXiv：RSI-Dojo 训练 LLM 智能体自动完成模型后训练
原文标题：Training LLM Agents to Automate LLM Post-Training with RSI-Dojo
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 RSI-Dojo 可执行模型训练环境集合与 RSI-Craft 自动流水线，将顶会论文转化为 281 个种子训练任务，用于教会 LLM 智能体选数据、训练模型、诊断失败并迭代改进。基于此微调的 RSI-Dojo-9B 与 RSI-Dojo-35B-A3B 分别较基座提升 8.74 与 16.87 分，后者在 PostTrainBench 达 29.95，追平 GLM-5.2、GPT 5.5 等前沿模型。
- 问题
- 如何让 LLM 智能体自己完成模型后训练而非只优化流程。
- 方法
- 把顶会论文自动转成可执行训练环境，收集高质量训练轨迹微调智能体。
- 结果
- RSI-Dojo-9B 与 35B-A3B 较基座提升 8.74 与 16.87 分，后者 PostTrainBench 达 29.95。
- 影响
- 后训练能力可被内化进模型，自动化模型改进的工程闭环向前推进一步。
深读 · 结论先行AI 生成展开看要点与影响 ↓
RSI-Dojo 用 281 个可执行训练任务教智能体做后训练，35B 模型追平前沿
- •RSI-Craft 自动从顶会论文构建环境，统一数据集与指标接口并复现评测依赖
- •按数据规模、执行可靠性与区分度过滤，最终得到 281 个种子训练任务
- •微调后 RSI-Dojo-9B 与 RSI-Dojo-35B-A3B 分别较基座提升 8.74 与 16.87 分
- •RSI-Dojo-35B-A3B 在 PostTrainBench 达 29.95，追平 GLM-5.2、GPT 5.5 等前沿模型
- •目标是把选数据、训练、诊断失败、迭代改进内化进模型本身，而非仅优化工作流
为什么重要：若后训练能力可被内化，模型自我改进的闭环将从人工调参转向自动化，直接影响训练管线与模型迭代成本。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。