智能体基础设施实验资产表
本表登记智能体任务复用的环境、输入契约、证据层和当前缺口。专题目前没有独立 Agent GPU Profile;模型推理由推理专题环境验证,轨迹训练由后训练环境验证,沙盒与工具环境由具体综合项目固定。缺少统一环境时,不用模拟工具或单次生成冒充端到端证据。
环境与证据分工
| 环境或证据层 | 直接入口 | 可以回答的问题 | 不能替代 |
|---|---|---|---|
| CPU 轨迹与契约练习 | 00 工作负载、01 轨迹数据、02 沙盒环境 | 字段、状态、验证分流、权限和资源规则 | 真实模型行为、工具副作用和训练收益 |
| 推理环境 | 推理优化 Quickstart | 模型调用、请求队列、上下文与生成成本 | 工具执行正确性和 Agentic RL 更新 |
| 后训练环境 | 后训练优化 Quickstart | 工具轨迹 SFT、奖励、策略版本与在线更新 | 沙盒权限、外部状态和生产服务结论 |
| 项目沙盒 | Part 05 · 后训练交付综合项目 | 工具真实执行、环境反馈、任务完成与回放 | 其他任务、工具或安全边界的普遍结论 |
验证顺序
| 顺序 | 验证对象 | 必须固定或保存 | 进入下一步的条件 |
|---|---|---|---|
| 0 | 任务与评分 | 任务集合、初始状态、成功条件、最大步数和评测版本 | 任务可执行,评分能区分成功与失败 |
| 1 | 工具与沙盒 | 工具契约、权限、资源、超时、重置和副作用 | 相同动作能够回放并得到可解释状态 |
| 2 | 原始模型基线 | 模型版本、采样配置、完整轨迹和失败切片 | 已知主要失败来自模型行为而非环境故障 |
| 3 | 工具轨迹 SFT | 数据版本、验证结果、训练产物和冻结评测 | 工具选择、参数或观察使用得到稳定改善 |
| 4 | Agentic RL 候选 | 策略版本、采样轨迹、奖励分量、更新与恢复状态 | 在线探索带来超出 SFT 的独立任务增益 |
| 5 | 综合采用判断 | 成功率、安全、重规划、延迟、成本和回滚证据 | 形成 accept / tune / reject 结论 |
当前资产注册表
| 资产或实验 | 固定对照 | 结果资产 | 当前状态 |
|---|---|---|---|
| 智能体工作负载卡 | 同一任务、工具和成功条件 | 待统一登记 | 字段与执行链已定义;缺少统一可执行样例 |
| 轨迹数据验证 | 候选轨迹 → 环境反馈与验证分流 | 待统一登记 | 数据契约已定义;真实工具轨迹集尚未登记 |
| 沙盒执行 | 同一动作在固定环境中执行与回放 | 待统一登记 | 权限、资源和日志要求已定义;项目沙盒尚未固定 |
| Agentic RL 对照 | 原始基线 → 工具轨迹 SFT → SFT + Agentic RL | 待统一登记 | Part 05 已定义实验分组;尚未形成独立可运行项目和真实结果 |
当前专题能够支持设计和审计实验,但不能声称已有 Agentic RL GPU 收益。独立项目建立后,应登记任务数据版本、工具与沙盒版本、模型产物、运行标签、结果路径和失败记录。
