ProtAgent：8B 小模型通过交互级信用分配后训练超越 DeepSeek-V3.2-Thinking
8B 模型后训练后在蛋白质注释任务上干翻了 671B 的 DeepSeek-V3.2-Thinking，论文里逐步级奖励分配的对比实验讲得很细，做智能体训练的可以看看。
#ProtAgent
共 1 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「ProtAgent」标签的资讯、产品与论文，按刊登时间排，新的在上。
10月27日
8B 模型后训练后在蛋白质注释任务上干翻了 671B 的 DeepSeek-V3.2-Thinking，论文里逐步级奖励分配的对比实验讲得很细，做智能体训练的可以看看。