RL 数据公司的方法是用 Claude 合成测试并迭代改进 Agent

Michaelrbock 与 teodorio 将 RL 数据公司的常见方法概括为合成评测循环，即让模型自我测试并在失败点迭代改进。teodorio 在企业部署 Agent 时，会用 Claude 运行合成基准测试，再改进运行时数据或通用指令，必要时调整模型；文章认为“合成评测+失败驱动迭代”正成为 Agent 开发的通用工程实践。