Skip to content
所有標籤

#self-improvement

2 篇文章
ai deep-dive 認識 AI 模型

後訓練 RL 三條路線：Ornith、Nous Research、MiniMax 怎麼用強化學習做出黑馬模型

2026 年三個非大廠團隊用不同的 RL 後訓練路線做出 benchmark 黑馬：Ornith 讓模型自己出題自己改進（GRPO self-improvement loop），Nous Research 用 DataForge 合成資料 + Atropos 執行獎勵 RL，MiniMax 在 20 萬個真實環境裡大規模 RL。三條路各有強項，但共同證明了一件事：後訓練 RL 比預訓練規模更重要。

#reinforcement-learning#grpo#post-training#self-improvement#open-source#agentic-coding#fine-tuning
ai guide Hermes Agent 文件導讀

Hermes Agent 的記憶與技能：一個會自己改自己的系統，以及你能在哪裡插手

Hermes 的記憶是硬上限的：MEMORY.md 2,200 字元、USER.md 1,375 字元，寫爆不會自動壓縮而是回錯誤讓 agent 自己騰位子。技能則由 curator 背景維護，預設 7 天跑一次、只在閒置 2 小時後啟動，30 天未用標 stale、90 天封存——但從不刪除。真正該打開的開關是 `memory.write_approval` 與 `skills.write_approval`，它們把背景自我改進的寫入變成待審。

#hermes-agent#memory#skills#self-improvement#agentskills#curator