热点事件持续更新
Ayush Thakur：编程 LLM 后训练数据准备如黑魔法
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026 年 10 月 13 日，AGI Hunt 报道，Ayush Thakur 提出，为编程任务微调 LLM 准备后训练数据如同「黑魔法」，难点全在细节。他指出问题集中在几处：测试 harness，尤其是在无法深度配置时；经 litellm 等路由器额外注入的变换；以及每轮采样量、边界划分、每行打包 token 数等采样选择。他表示，路由带来的变换会让用户所见与内部实际处理不一致。据此，他询问是否已有针对这一问题的系统性研究。
AI 根据报道生成 · 3 小时前更新
最新进展10月13日 02:27
Ayush Thakur 称准备编程任务后训练数据如「黑魔法」，并追问是否有系统研究报道时间线
沿着报道，了解事件的不同侧面。
10月13日
- AGI HuntAyush Thakur：为编程任务微调 LLM 准备后训练数据如同「黑魔法」，难点全在细节
Ayush Thakur 指出，为编程任务微调 LLM 准备后训练数据如同「黑魔法」，难点集中于测试 harness（尤其无法深度配置时）、经 litellm 等路由器额外注入的变换，以及每轮采样量、边界划分、每行打包 token 数等采样选择。路由带来的变换会让用户所见与内部实际处理不一致。他询问是否有针对这一问题的系统性研究。
本事件热度走势
当前热度 9·可比范围峰值 10（10月13日 03:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。