// TOPIC
RL
2 篇相关记录。
-
Agent 架构
Multi-Harness RL 教程：在 Claude Code、Codex、OpenCode 里同时训练一个小模型
整理 Hugging Face《The Ultimate Guide to Multi-Harness RL》：用捕获代理让未改动的 harness 产出 RL 训练数据，LFM2.5-2.6B 的 pass@1 从 42.2% 到 54.2%。附架构图、复现步骤和作者踩过的坑。
-
模型与训练
Kimi K3、DeepSeek V4 与 GLM：训练报告里的算力、数据和环境
整理 Kimi K3、DeepSeek V4 与 GLM 系列的训练材料。K3 表中后训练约占 75.6% 总 FLOPs；这个比例不代表另外两家。区分报告数字、累计消融与尚未核实的字段。