日期: 2025 年 7 月 28 日
字节跳动刚把自己招牌AI Agent开源了，可商用、超6000颗星
专注于AIGC领域的专业社区分享了扣子（Coze）AI Agent开发平台的功能和使用方法，包括模板选择、功能定制、语音设置等。扣子提供多种语言支持、记忆功能以及丰富的资源模块，简化开发流程，无需编写代码即可快速开发智能体应用。
首次结合RL与SFT各自优势，动态引导模型实现推理⾼效训练
刘子儒等人提出GHPO算法框架，在复杂推理模型训练中引入模仿学习，解决了奖励稀疏问题。该框架实现了在线强化学习与模仿学习的融合，并动态调整提示策略以适应不同难度的数据集。论文详细介绍了GHPO的具体实现和实验结果，其性能优于现有方法。