小团队低成本训练顶级网络智能体
推荐指数 74.0 NO. 023 · 2026.09.15
upvotes75comments1
为什么值得看
Feyospace 提出数据为中心的框架，通过五大系统（推理分析、教师采样降本、绕过 API 限制等）解决开放权重网络智能体训练的环境执行成本与多轮监督瓶颈。对资源有限的 AI 安全团队和创业团队有直接参考价值，证明了规模并非网络智能体的唯一解。
媒体预览
编辑判断
网络智能体训练的最大隐性成本不是算力，而是可执行环境的并行开销和教师模型的 API 调用费——这恰恰是 OpenAI、Anthropic 闭源生态的护城河。Feyospace 的 SkyReal 和 Hongzwang 两个子系统直接瞄准这个痛点，前者用选择性采样把教师调用压到关键路径，后者绕过 API 限制获取执行反馈。
之前 CyberReasoner、PwnAgent 等开源方案要么依赖 GPT-4 全量标注，要么在环境交互上硬堆容器成本。这个框架把总训练成本压到了可复现的水平，而且代码结构模块化很强。
做 AI 安全红队或自动化渗透测试的团队可以优先试 Choulea 的推理签名分析模块，它能定位模型在哪一步开始偏离正确攻击链，比单纯看最终准确率更有调试价值。