一句话看懂：arXiv 上的一篇新论文提出 RSI-Dojo，用 281 个可执行训练任务和轨迹数据，把“做后训练”这项能力教给 LLM Agent；基于此微调的 Qwen 模型在 PostTrainBench 上超过各自基座。
事件核心：发生了什么
据 arXiv cs.AI 2026 年 11 月 4 日发布的新论文（arXiv:2611.03698v1），研究团队构建了 RSI-Dojo，一套面向“模型后训练”的可执行环境集合。他们先用自动流水线 RSI-Craft 从顶会论文中收集研究材料，把数据集、指标和评测依赖统一成可运行接口，再按数据规模、执行可靠性和区分度筛选，最终得到 281 个种子训练任务。
在此基础上，团队用改进的 harness 从前沿模型收集高质量训练轨迹，并经规则和结果双重过滤，微调了 Qwen3.5-9B 与 Qwen3.6-35B-A3B。摘要称，RSI-Dojo-9B 和 RSI-Dojo-35B-A3B 在 PostTrainBench 上分别比基座提升 8.74 和 16.87 分，其中 35B 版本达到 29.95 分，在 PostTrainBench-Lite 上为 53.29 分，与 GLM-5.2、GPT 5.5 等前沿模型的表现相当。目前公开信息仅为摘要，全文实验细节尚未核验。
为什么重要
此前自动化模型训练多停留在工作流或工具层优化，模型本身并不“会”做后训练。RSI-Dojo 尝试把选数据、训练、诊断失败和迭代改进内化为 Agent 能力，这与递归自我改进（RSI）的长期方向直接相关。若可复现，这意味着中小尺寸开源模型经过针对性微调，也能在特定训练任务上接近闭源前沿模型，可能改变“谁能做后训练”的门槛分布。
对用户/开发者/创作者的影响
对开发者而言，这类可执行训练环境的思路值得关注：它把论文复现和训练流程变成可调用任务，未来可能衍生出面向后训练的 Agent 工具链或 API。对使用大模型的应用团队，短期内更现实的影响是微调与数据选择环节可能进一步自动化，降低算力和人力试错成本。不过论文摘要未提供代码或服务入口，现阶段不宜视为可直接上手的开源产品。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 RSI-Dojo 和 RSI-Craft 是否开源、281 个任务能否被社区复现；二是 PostTrainBench 上的成绩在更多基座和任务上是否成立；三是这种“训练 Agent”路线是否会与现有微调平台、推理服务形成新的工具生态。
来源：arXiv cs.AI
