首页

投稿

【浅谈Coding Agent RL】数据来源、轨迹采集、奖励函数~

1.1万

2

2026-08-08 19:06:22

个人观点，仅供参考

浅谈 Coding Agent RL，围绕三个核心问题展开：训练数据从哪来、执行轨迹怎么处理、奖励怎么给。以 slime / coding_agent_rl 为例，用一条 Django 题目 + 具体数字从头串到尾：模型在沙箱里多轮调用工具，轨迹会在子 agent、auto-compact、工具返回三个地方"断裂"；怎么把轨迹切成 Token Segment，loss_mask 怎么标，reward怎么给？

小鱼儿at青岛发消息

做活人感的视频

【实战】通义千问1.8B大模型微调，实现天气预报功能

43:43

通义千问-大模型SFT微调生成JSON

13:11

通义千问-大模型SFT微调生成JSON

31:03

通义千问-大模型vLLM推理与原理

01:26:55

通义千问-大模型的encoder-decoder与decoder-only架构是什么？

20:45

通义千问-从0打造HTTP并发推理服务

54:18

LangChain实现RAG检索增强

46:09

【大模型工程基本功】asyncio+uvicorn+fastapi+threadpool

18:50

通义千问-一起写个agent吧！

29:48

通义千问 - 如何打造一款AI生成PPT的工具？

24:33

通义千问-关于模型打榜评分的原理

40:05

【多模态】复现OpenAI的CLIP模型

39:14

【Sora重要技术】复现ViT（Vision Transformer）模型

29:07

【Sora重要技术】复现DiT（DIffusion Transformer）模型

46:02

【Mistral模型原理】复现Mixture of Experts（MoE）架构

49:45

【AI必备技能】ONNX Runtime推理框架

35:05

【大模型workflow】开源项目Dify.AI试玩

27:54

【大模型生成SQL】Vanna项目分析&实践

55:31

【手写ChatGPT - 1/3】实现BPE Tokenizer

01:01:34

【手写ChatGPT - 2/3】准备GPT训练数据（中文诗集）

35:16

【手写ChatGPT - 3/3】GPT模型&训练&推理

42:43

LLM大海捞针实验

12:32

GraphRAG实现解读【Part1 - 构建索引】

27:23

GraphRAG实现解读【下篇 - 查询】

20:38

【通义千问2】微调之理论篇（pre-train/sft/dpo）

14:37

【通义千问2】微调之SFT训练

44:58

【通义千问2】微调之DPO训练

46:03

一次搞懂pytorch DDP分布式训练

53:38

2024诺奖AI之父-- 辛顿【人物篇】

14:04

2024诺奖AI之父-- 辛顿【反向传播论文】

47:55

大模型落地，你必须要懂的Milvus向量数据库

27:11

【手把手实现】DeepSeek R1蒸馏训练Qwen 3B

31:45

猜测Qwen2.5 Omni模型原理

18:49

【Pytorch训练技巧】AMP自动混合精度训练

34:34

【Pytorch训练技巧】激活值检查点Activation Checkpoint

17:29

【Pytorch训练技巧】梯度累计Gradient Accumulation

22:14

拟合一切超能力，感叹伟大的"深度神经网络"！

28:02

【复现】扩散模型Flow Matching

27:42

【复现】VAE模型原理与实现

27:54

【复现】transformer语音识别

41:19

ASR模型架构~从seq2seq2聊到CTC

59:45

有趣DEMO！实时语音转文字~Silero VAD+SenseVoice

12:11

【01】VLM视觉大模型~工作原理篇

20:05

【01】VLM视觉大模型~源码解读篇

22:02

【03】VLM视觉大模型~补充知识

19:15

MCP提示词膨胀？今天聊聊RAG+MCP

32:49

【PPO强化学习】从PPO的前身“Actor-Critic”算法开始

43:59

【PPO强化学习】带你看透PPO训练原理

46:24

【PPO强化学习】TRL PPO源码分析

01:02:54

PPO强化学习 - 手把手教你模型训练！

46:25

如何实现图像和音频的tokenizer？进来带你实现

40:07

VQ-VAE图像量化 - 手写数字分类实战

25:31

【复现】从CosyVoice讲到FSQ量化

30:55

【复现】“线性插值”在CosyVoice中的应用

27:29

【实践】阿里巴巴agentscope智能体开发框架

44:10

【生成式推荐系统】解读MiniOneRec开源项目

33:24

【生成式推荐系统】解读MiniOneRec（01）RQ-VAE商品量化

40:18

【生成式推荐系统】解读MiniOneRec（02）Qwen SFT训练商品预测

18:42

【生成式推荐系统】MiniOneRec(03) - GRPO RL商品推荐排序

41:47

【视觉大模型】如何识别同一物种的不同对象？（上）

21:54

【视觉大模型】如何识别同一物种的不同对象？（中）

46:35

【视觉大模型】如何识别同一物种的不同对象？（下）

44:30

【数据并行训练】deepspeed zero0~zero3精讲

51:17

【反向传播】精讲

37:16

【图解】一次搞懂 INT8 量化推理（上篇）｜W8A8 vs W8A16

35:37

【图解】一次搞懂 INT8 量化推理（下篇）｜Smooth激活平滑量化

53:00

【浅谈Coding Agent RL】数据来源、轨迹采集、奖励函数~

43:58

【原理&实现】秒懂GAN生成对抗网络！AI人脸生成~

23:22

【部署教程】个人电脑跑Qwen3.8-27B！Token输出真快！

15:05

【Ray保姆教程】基础用法 + 实战分布式训练 | 基于阿里云EMR Serverless Ray

55:13

【01.概述】小米Mimo Agent-RL

23:24

【02.agent执行&reward】小米Mimo Agent-RL

31:27

【03.verl端到端流程】小米Mimo Agent-RL

42:21

Agent RL 😊 PPO代码精讲

57:20

【Ray进阶（上）】Ray Data 与 Ray Daft 框架介绍 | 基于阿里云EMR Serverless Ray

23:27

【Ray进阶（下）】Ray Data 与 Ray Daft 框架实战 | 基于阿里云EMR Serverless Ray

39:26

[源码解读] veRL agentic强化学习

01:10:30

顶部