Amazon 公开 Rufus-Air：基于 GLM-4.5-Air-Base（106B MoE）的完整后训练配方，数据、奖励、超参全部公开。

8步流水线：
SFT → 推理RL → 代码RL → 指令遵循RL → 通用Agent → 编程Agent → 搜索Agent → RLHF

为什么值得品鉴：
1️⃣ 少见的完整公开配方，从SFT到Agent每一步都能复现
2️⃣ 全是能落地的工程经验，不是空泛的方法论
3️⃣ 每个阶段都能单独拆出来，直接用到自己的项目里
4️⃣ 后训练不再是“玄学”，而是一套标准化流程

只用公开数据+开源组件，不靠私有标注，也不靠大模型蒸馏

全部内容更新在阿东的大模型实验室。

#大模型 #后训练 #强化学习 #MOE #Agent #开源