新智元· 新智元·· 22 小时前精选AI 评分64
港科大与微软团队提出长程交互SQL Agent训练框架HarnessSQL
8B逆袭32B！开源首个长程交互SQL Agent框架，面向真实数据库
AI 导读
港科大与微软等团队推出首个原生长程环境交互训练框架HarnessSQL，在密闭沙盒与专用SQL Harness中进行长程轨迹SFT与执行奖励RL。
推荐理由
论文用受控实验对比了直接RL与先SFT再RL的差异，可迁移的结论是长程Agent训练需让环境与训练接口同构。
来源：新智元 · mp.weixin.qq.com