知识文件夹

Model Post-training

现代 Agent Engineering 学习路线：Model Post-training

0 子目录2 文档

模型后训练：工程与训练、轨迹与数据、环境与任务、奖励与反馈、训练与评测、适用边界

CHAPTER OVERVIEW · 章节概览

先区分应用工程改进与模型参数训练，再认识轨迹、环境和奖励；这是可选高级方向，需要独立评测和数据治理。

本章学习路线

箭头表示建议的学习顺序；先理解问题，再逐步进入实现与实践。

flowchart LR N0["01 工程与训练"] N1["02 轨迹与数据"] N2["03 环境与任务"] N3["04 奖励与反馈"] N4["05 训练与评测"] N5["06 适用边界"] N0 --> N1 --> N2 --> N3 --> N4 --> N5

按顺序学习

2

Model Post-training：Agent 工程的可选高级轨道Agent 表现不好，不一定需要训练新模型。先检查它是否拿到了正确材料、工具是否正常、完成条件是否明确。确认存在稳定的模型能力缺口后，再进入后训练；这一章是可选进阶，不是开发 Agent 的前提。2026/9/20 Trajectory、Reward、Environment 与 Agentic RL最终答案只能说明结果，训练时还可能需要知道它经过了哪些动作、每步看到了什么。Trajectory 记录这条过程，Reward 则提供优化信号。下面重点讲信号怎样与动作关联，以及为什么高奖励不自动等于真实任务完成。2026/9/20