技术博客

本文介绍了一种创新的多轮Agent训练系统，通过构建可执行的数据闭环，显著提升训练过程的稳定性与可验证性。该系统使开源模型在真实场景中的性能表现可媲美闭源系统，核心突破在于支持模型在持续交互中自主学习并优化有效策略，摆脱对噪声大、波动强的传统奖励信号的依赖。