合作团队提出RSI-Dojo自动后训练方法

港中文、字节跳动、清华和上交合作团队提出 RSI-Dojo，使 LLM 智能体能够自行执行模型后训练；论文实验中，RSI-Dojo-35B-A3B 在 PostTrainBench 提升 16.87 分至 29.95，在 Lite 版达到 53.29。 其 RSI-Craft 流水线自动将顶会论文转化为包含数据集、指标和评测代码的训练环境，经可靠性等筛选形成 281 个后训练任务；团队再收集并过滤前沿模型训练轨迹，用于微调 Qwen。较小的 RSI-Dojo-9B 在 PostTrainBench 提升 8.74 分。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。