Base AI / Spec 飞书原文合集
这是从飞书 docx/wiki/Base 转存的 Base AI 原始资料层。项目分析、实验结论和当前状态写在 Lark Base AI 后训练,这里保留来源、原始表述和素材。
建议从哪里读
项目总览、计划与复盘
- Base AI Post Training 团队核心思路 v1 / v3 / v5:覆盖 Mid-Train、Plan、Spec、CodeAct、App Mode、评测与工程,是团队全景材料,不归属于单一工作线。
- Lark Base AI 搭建:SpecAgent 与 CodeAgent 的训练和交付:团队级训练与交付总览,覆盖 Benchmark、Query/Spec 数据治理、Mid-Train、Spec Agent、Code Agent 与 Spec Judge,并保留 8 张架构图。
- Spec Agent 训练方案:早期训练方案与角色划分。
- Spec 训练思考 与 Spec 训练集关键开发:训练目标、数据和关键工程任务。
- SpecDoc 训练 OnePage:数据、System Prompt、模型训练、Harness 与评估的任务枢纽。
- Spec-Pro 训练与评测 OnePager:Pro 模式训练与评测口径。
- Q2 算法工作复盘 与 Post Training 周报:阶段性工作记录;阅读时以文档日期为状态边界。
数据、合成与训练稳定性
- LLM Post Training 基础:SFT、PEFT、RLHF、PPO、GRPO、DPO 与 KTO 的内部入门笔记。
- Spec 模型实验管理:数据集与实验登记。
- codeAct 50 题 Spec 改动:小规模数据和 Spec 改动记录。
- Spec 数据集质量工程:数据质量、清洗和准出。
- SFT OOD 遗忘的机理、证据与训练策略:Checkpoint、分布外(Out-of-Distribution,OOD)探针与解码参数消融。
- 多维表格 Mid-Train 专题资料包:主原稿与技术、业务解析放在一起;覆盖 CPT 1,859、主 SFT 65,971、Spec Review 候选 122 和 lineage/manifest 缺口。
- Agent 数据合成梳理:种子、合成策略、清洗与评测全链路。
Judge、Rubric 与准出
- Judge Reward Model 实践:从 LLM-as-Judge 到专项 Judger。
- Bitable SDK Rubric Pipeline:SDK、Rubric 与 Pipeline 设计。
- SpecDoc 机评各 Domain Rubrics:各领域评分标准。
- Judge Infra Model 专题:Spec Judge Infra 设计方案、Spec Judge Rubric、Anchored Reward V3、Rubrics 与 Skill 自动优化。
PE、Harness 与 Agent 工作流
- Spec PE /goal 优化流程操作手册:Prompt Engineering(提示词工程,PE)实验操作入口。
- AI 开发工作流核心知识点:Skill、Prompt、Spec-Kit、数据合成与训练概念的拆分导读;原文存档 同目录保留。
- 0714 SkillOpt 与数据飞轮分享:动态 Harness 的算法分享原稿。
- Agent 自进化分享原稿 与 会议纪要。
Agent 训练方法与相邻 CodeAgent 实践
- 方舟 Agent RL 与精调 SDK 资料包:平台 One Page、Agent RL 最佳实践和精调 SDK 原文放在一起;包含 Model RL / 方舟 Agent RL / Agentic RL 的术语边界。
- OPD + RL for Spec Agent:On-Policy Distillation(在策略蒸馏,OPD)与强化学习组合路线。
- Query → SpecDoc → Code 的 Agentic RL 设计调研:两阶段 MDP、奖励、信用分配与按需 Spec 门控。
- 从 On-Policy 蒸馏到 Self-Distilled RLVR:在线蒸馏与强化学习方法分享。
- CodeAct 效果优化文档集合、Base 切 CodeAct 架构专项例会、CodeAct 介绍文档:相邻 CodeAct 架构与效果资料。
- 多维表格 CodeAgent 训练体系与 Auto-Thinking 资料包:原始方案与完整解析稿同目录,提供符号速查、来源和版本说明;涵盖 CodeAct、思考门控、SFT/RL 与奖励设计,不等同于 Spec Agent 已完成合训。
平台、基建与术语
- Base AI Fornax 评测接入 与 Fornax 历史 Lite 人评。
- 模型训练基建与找人地图:方舟、Fornax、Merlin、Dify、LiteLLM 平台和联系人。
- Merlin 小模型训练:Mojo、Dashboard 与 VS Code 提训操作。
- Spec-Pro 概念知识汇总:CQC、PPE、方舟、合训等术语速查。
背景阅读
维护约定
- 新转飞书文档统一进入本目录;项目目录只写分析、实验与当前结论。
- 带日期的周报、复盘和计划是历史记录,不因后续工作推进而改写成“当前状态”。
- 原文目录改名后同步更新当前索引和项目入口,避免出现可见但不可点击的旧路径。