Trains but Doesn't Learn：面向 LLM 智能体交付能力的 Post-Training 基准
这篇论文造了个很较真的基准：不看智能体能不能把指标刷上去，只看它交付的模型到底行不行，连"训练了但没学到东西"这种静默失败都能抓住，四个前沿模型全被拉出来和人类工程师对比。
#Post-Training
共 1 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「Post-Training」标签的资讯、产品与论文，按刊登时间排，新的在上。
9月23日
这篇论文造了个很较真的基准：不看智能体能不能把指标刷上去，只看它交付的模型到底行不行，连"训练了但没学到东西"这种静默失败都能抓住，四个前沿模型全被拉出来和人类工程师对比。