agentic-training

Maximilien Labonne 强调了一份开源指南，介绍如何在 Claude Code、Codex 和 OpenCode 等真实 agent harness 中使用强化学习训练模型，使得任何模型（如 LFM2.5-2.6B）都能在任何 harness 上针对任意任务集进行训练。

DeepSeek Elastic Compute (DSec) 是专为大规模大语言模型有效代理训练设计的沙盒基础设施，具备弹性执行、统一SDK，并支持与强化学习框架集成。

TRACE是一种新的自我改进方法，AI代理识别自身失败背后缺少的能力，并自我训练以解决这些问题。经过TRACE训练的Qwen3.6-27B在SWE-bench Verified上达到73.2%，以更少的训练次数超越了更大的模型。