热点事件观察中

PostTrainBench揭示智能体策略锁定

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

2026年10月26日，面壁智能OpenBMB在X发布PostTrainBench研究结果，称对1,338条完整后训练轨迹的分析显示，智能体在持续提升执行能力的同时，很少重新评估初始策略。研究覆盖7个基准、4个基础模型，以及Claude Code、Codex CLI、OpenCode三种智能体环境，并在单张H100上运行10小时。结果显示，经验增加和更多推理token主要用于改善执行；在3,557组相邻实验中，仅2.1%出现策略切换。

AI 根据报道生成 · 3 小时前更新

最新进展10月26日 21:00

研究称智能体后训练主要改善执行，策略切换仅占2.1%。

报道时间线

沿着报道，了解事件的不同侧面。

10月26日

21:00
X：面壁智能 OpenBMB (@OpenBMB)
PostTrainBench 研究揭示智能体后训练中的策略锁定现象
PostTrainBench 对 1,338 条完整后训练轨迹的分析显示，智能体虽能持续提升执行能力，却很少重新评估初始策略。研究覆盖 7 个基准、4 个基础模型及 Claude Code、Codex CLI、OpenCode，在单张 H100 上运行 10 小时；经验增加和更多推理 token 主要改善执行，3,557 组相邻实验中仅 2.1% 切换策略。

本事件热度走势

当前热度 5·可比范围峰值 5（10月27日 20:00）·近 24 小时可比范围变化 –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。