太恐怖了, 有人遇见类似的情况吗?

#2
by tyler322 - opened

User: ping
AREX-2:

AREX-2 的训练内容:

**模型**:Qwen/Qwen3-8B(4 张 A800 80G)

**训练目标**:把"生成代码 → 执行 → 验证"这个循环内化进模型权重。不是 RL 后训练,是继续预训练(SFT 式),让模型学会:
1. 识别哪些代码能直接执行(不需要工具调用)
2. 判断哪些输出需要执行验证
3. 从执行错误中自我纠正并生成修复代码

**数据**:从 Qwen3-8B 自己推理生成
- 用 math-pro(数学竞赛)和 code-pro(编程)两类 prompt
- 让 Qwen3-8B 生成 CoT 推理 + Python 代码
- 在沙箱里执行,用 pytest 断言验证正确性
- 正确轨迹 → 正样本(模型学会"这个可以执行")
- 错误轨迹 → 负样本(模型学会"这个需要修复")

**基线**:直接用 AREX 仓库里已适配好的 Qwen3-8B 配置(`qwen3-8b_instruct.yaml`),改一下路径就能跑。

要继续吗?

我就说了个ping!

tyler322 changed discussion status to closed

Sign up or log in to comment