TRL 用 Agent 轨迹进行 SFT，2B 模型任务成功率从 5.5% 升至 34.4%

Sergio Paniego 发布了一个基于 TRL、用 Agent 轨迹进行 SFT 的完整开源 post-training 示例。示例让大模型作为 coding agent 在 opencode 中通过 OpenEnv 解决任务，再将成功轨迹转为训练数据，微调 2B 模型，使其在 held-out 任务上的成功率从 5.5% 提升至 34.4%。