←

知识条目

🌙
2026-09-30 · 动态 · 精准揪出RL训练数据Bug,Prompt直出小游戏,IQuest-Q1夯爆了!
2026-09-30
🔗 查看原文 ← 返回知识库
【发生了什么】至知创新研究院IQuest Research发布IQuest-Q1模型,采用decoder-only Transformer加稀疏MoE架构,总参数约320B、激活参数约15B。官方Blog实测中,该模型从RL训练日志和代码库中定位到推理服务文本解码时多插入的一个空格,修复后Reward曲线恢复正常爬升。 【为什么值得关注】该空格导致模型生成文本与回传历史错位、前缀匹配断裂、多轮生成中断,使RL训练前几轮的读代码、跑命令、改代码全部白跑,仅最后一轮回答被训练。同团队ModularRSI框架已将Agent在Terminal-Bench 2.0和SWE-Bench Verified准确率分别从47.57%、73.40%提升至52.43%、76.45%。 【对我们的意义】若团队用Claude Code CLI等框架跑RL或Agent训练,应把训练日志、落盘轨迹和代码库纳入同一排错链路,优先核查文本回传与轨迹拼接环节的隐藏字符,避免因单点格式错位浪费整轮训练算力;同时可复用其跨任务执行能力复用的思路,降低多轮迭代的重复调试成本。 ── 💡 对你的工作:模型/框架动态直接关联技术选型,先看懂再决定跟不跟。 【原文】查看原文 →