待验证50% 置信事实精确时间

Agima 的训练分为两个阶段：第一阶段用监督微调（SFT）将策略与世界模型统一到同一个全能模型中；第二阶段用智能体强化学习（RL）教模型在想象出的未来上进行推理并用于规划。

1

来源数

50%

置信度

长期有效

时效性

2026/10/20

首次发现

来源

Agima：让AI智能体先「想象」再行动

涉及实体

Agimaconcept SFTconcept Agentic RLconcept

相关事实

待验证经过强化学习（RL）训练的模型在Agent任务中表现优于仅经过SFT的模型74% 相似已验证大模型训练经历三个核心阶段：预训练、有监督微调（SFT）和偏好对齐74% 相似待验证Pistis的训练流程分为两个阶段：第一阶段为大规模多模态监督微调（SFT），第二阶段为交替蒸馏与强化学习（IDRL）73% 相似待验证TRACER 采用两阶段训练：第一阶段在真实用户对话上做监督微调（SFT），第二阶段引入多轮强化学习（RL）72% 相似已验证SFT-奖励模型-RLHF三阶段对齐训练范式最早由OpenAI在InstructGPT论文中系统提出72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1073373

API

curl https://kongchang.com/api/v1/knowledge/claims/1073373

MCP

get_claim(id=1073373)