training-agents

一份关于监督微调（SFT）训练AI代理的详细教程，完全基于纯PyTorch从零构建，使用Qwen3-0.6B模型，解释了下一个词元预测和标签掩码的机制。

一场直播的回顾，其中AI代理（Codex）自主运行整个SFT工作流，训练一个小型Gemma 2B模型来模仿编码代理（pi）。所有工件和代码均已开源。