待验证60% 置信事实精确时间
Agent Tuning属于有监督微调SFT的特化方向，其训练样本是完整的任务轨迹Trajectory而非传统问答对
2
来源数
60%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
AI Agent入门：原理、框架与企业级智能体搭建指南
bilibili大模型喂饭级教程2026/7/11
相关事实
待验证系统性提升训练效果的标准路径：先明确单一核心运动项目→选择该项目AI深度优化的机型→用高帧率捕捉关键动作→通过软件的角度/速度/轨迹量化数据→对比历史数据与标准模型找差距→针对性调整。分析仪只是入口，关键在数据的持续追踪与横向对比74% 相似待验证任何先优化表示再训练分类器的两阶段方法都需要仔细验证其代理目标与下游任务的对齐程度72% 相似待验证通过Agent Tuning专项训练,3B、7B等小参数模型也能获得较强Agent能力72% 相似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71% 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71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/489725API
curl https://kongchang.com/api/v1/knowledge/claims/489725MCP
get_claim(id=489725)