Mercor用874条专家轨迹微调GLM-4.6 Agent性能近翻倍

2026年1月，美国AI独角兽Mercor联合Applied Compute，仅使用874条专家标注任务轨迹，对开源大模型GLM-4.6进行单epoch长程强化学习（无SFT预热、无过滤、不改评分标准），将其在APEX-Agents基准上的Pass@1从3.8%提升至近翻倍水平，企业法任务Pass@1更翻三倍。 该实验依赖底座模型GLM-4.6已具备的强基础能力（总参数355B、激活参数32B），以及训练数据与目标任务高度对齐（训练趋势接近线性）；结果表明，在强底座与高对齐数据前提下，极少量长程RL数据即能大幅提升复杂Agent专业任务表现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。