字节跳动 Athanor:4个 Agent 自主后训练,104小时追平官方指令版

AINLP 2026年10月18日 查看原文

已收录文章摘要,完整内容可前往原文阅读。

字节跳动、杜克大学等团队,把四个 Claude Agent 拉到一起,交给它们一份研究任务:把 Qwen3-4B-Base 训成一个通用模型。每个 Agent 分到一台八卡机器。选数据、写训练代码、分