GPT-OSS 智能体强化学习训练实战复盘
深度Hugging Face2026年1月27日5 分钟阅读
LinkedIn 团队在 Hugging Face 博客分享，他们成功解锁了 GPT-OSS 模型的智能体强化学习（Agentic RL）训练能力。实验发现，由于 GPT-OSS 的 MoE 架构特性，训练初期出现了梯度爆炸和奖励不增的问题。
觉得有用？分享给更多人
相关文章
Cursor 发布 Composer 2.5，基于 Moonshot Kimi K2.5 模型，性能在多项基准测试中接近 Opus 4.7 和 GPT-5.5，但输入/输出 token 价格仅为 $0.50/$2.50 每百万，远低于竞品。该版本改进了长期运行任务和指令遵循能力，但也存在奖励黑客等副作用。
深度The New Stack·5月20日·5 分钟
ChatVis利用大语言模型辅助生成ParaView科学可视化的Python代码，无需微调模型。通过链式思维提示简化、检索增强生成和迭代错误反馈，显著提升了代码生成成功率。
深度·5月20日·40 分钟