年薪百万、美团L9”背后：拆解阿酥在coding简历里的 Agent 技术 02（SFT&RL 轨迹训练）
桃子可冰乐2026.10.1713 分钟2,092 播放0 弹幕
编辑手记 · 大模型读完弹幕后的判断
有具体案例和工程细节，讲清轨迹训练与checkpoint机制，可复用性较强
以修Bug为例拆解Agent轨迹训练：SFT/RL数据构造、多模型接力、SWE-Replay选步与上下文压缩续跑
- 适合谁
- 做Agent/LLM应用开发的工程师
- 前置
- 了解SFT、RL与Agent基本概念
- 难度
- 偏硬 · ●●●●○
- 时效
- 有时效 · 部分工具已变
- 类型
- 教程
