让智能体自己训练小模型:TrainExplorer把文献变成策略空间,加权总分39.02超过Codex
自主训练大模型的后训练智能体常困在初始策略里,一次实验又同时改动数据与训练配置,难以判断哪一步起了作用。TrainExplorer把策略规划与执行解耦:先从文献构建候选策略空间,再把数据处理和模型训练拆成可单独替换的组件,逐次只改一处并归因效果。在PostTrainBench的七个任务、四个1.7B至4B基座模型上,其加权总分为39.02,高于同一智能体模型下Claude Code的7.32分优势,也超过GPT-5.6 Sol驱动的Codex的36.23。