论文用281个可执行训练任务微调小模型，使其能自动做模型后训练。
资讯摘要
论文提出RSI-Dojo，一套可执行的模型训练环境集合，用于教LLM智能体完成数据选择、模型训练、失败诊断与迭代改进等后训练流程。作者通过RSI-Craft自动流水线将顶会论文转化为281个种子训练任务，并采集前沿模型的高质量训练轨迹，微调出RSI-Dojo-9B与RSI-Dojo-35B-A3B。作者报告两者在PostTrainBench上分别较基座模型提升8.74和16.87分，其中35B-A3B达到29.95分，PostTrainBench-Lite为53.29分。
要点速读
- RSI-Craft自动收集顶会论文，将数据集与指标实例化到统一接口并复现评估依赖，经数据规模、执行可靠性和区分度筛选后得到281个种子训练任务。
- 作者用改进的harness从前沿模型采集训练轨迹，经评分标准和结果过滤后微调Qwen3.5-9B与Qwen3.6-35B-A3B。
- 作者报告RSI-Dojo-35B-A3B在PostTrainBench得29.95分、PostTrainBench-Lite得53.29分，称与GLM-5.2、GPT 5.5等前沿模型表现相当。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。