2026
查看详情 Agent 后训练数据飞轮
把线上 Agent badcase 转成可评测、可标注、可训练的偏好数据闭环。
目标岗位
如何从 Agent 应用切入后训练算法
适合需要从线上 Agent 反馈构建偏好数据、评测集和训练闭环的团队。
相关案例
与该目标岗位最相关的案例。
相关实验
与该岗位能力匹配的实验记录。
DPO for Tool-use Preference
用 chosen/rejected 偏好数据优化企业 Agent 的工具调用决策。
查看详情联系
开放高质量 AI 平台、Agent 产品和应用算法机会
适合讨论 Agent 平台、LLM 应用架构、后训练数据闭环和 AI 产品落地。