OpenBMB 发布 PostTrainBench 分析：训练智能体策略固化问题

OpenBMB 基于 PostTrainBench 的 1,338 条完整训练轨迹，拆解了后训练智能体的执行能力与策略能力，覆盖 7 个基准、4 个基础模型和 Claude Code / Codex CLI / OpenCode 三种框架。智能体平均分从 33.34 提升到 48.55，但 3,557 组相邻实验中只有 2.1% 真正切换过策略，策略层面的建议零采纳。额外经验和推理算力无法解锁策略切换，AIME 2025 上约 1400 万额外 token 只多解出 1 题。而在中途加一句人类指引切换到备选策略，GSM8K 提升 17.44 个百分点、HumanEval 提升 10.80 个百分点、AIME 2025 提升 6.67 个百分点。