LoRA 一作、OpenAI o1 核心成员的新工作：首次公开 397B 模型的 Agent RL 训练配方

已收录文章摘要，完整内容可前往原文阅读。

与SkyRL团队联合发布的一套面向复杂知识工作Agent的强化学习方案,系统公开了整套训练流程：从任务环境搭建、AgentHarness优化、Token对齐和分布式系统调优，到小规模过拟合验证、35B模型算法消融，再到397B模型的正式训练。