训练但不学习：面向作为前线部署工程师的 LLM Agent 的后训练交付基准

英文标题：Trains but Doesn't Learn: A Post-Training Delivery Benchmark for LLM Agents as Forward-Deployed Engineers

论文提出一个面向 LLM Agent 的后训练交付基准，聚焦前线部署工程师（FDE）承担模型后训练服务的实际工作。作者将后训练描述为一种服务（PTaaS）：客户向服务提供方提交数据和目标，后者需要交付经过微调、评估并部署的模型。整个过程受到预算、人类审批门槛和可复现性要求的约束。该基准旨在评估 Agent 是否能够完成端到端后训练交付，而不仅是执行训练步骤。

2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB