研究与基准测试/2026-10-04/16 分钟编码智能体的强化学习跨基准迁移(续):四种失败模式成对轨迹显示,基座模型的失败多是差一点:需求丢失、测试过窄、无声回归、地面真值太弱。训练后的模型把规格说明当成必须完整兑现的契约。
研究与基准测试/2026-10-04/14 分钟编码智能体上的强化学习,能否跨基准迁移Surge AI 只用强化学习,在 1,700 道专家编码任务上后训练 Kimi K2.7 Code。六个外部基准的 pass@1 全部上升,包括训练时没用过的 harness,以及长达数小时的 SWE-Marathon。