标签
推文分享了 Hugging Face 整理的《A curriculum for post-training agents》教程，以 Coding Agent 为主线，覆盖 SFT、蒸馏、GRPO、OpenEnv 多轮交互及真实 Harness 训练，并用实验直观展示了 Reward Hacking 的风险。
Skill2Env 是一个能力导向的框架，通过技能合成可执行环境来训练通用 AI 智能体，利用任务蓝图和迭代强化来提升智能体在各项基准测试中的表现。
Google DeepMind正在招聘研究科学家和研究工程师，参与Gemini智能体后训练工作，工作地点位于伦敦和山景城。