Mercor Research 联合伯克利 SkyRL 团队发的博客技术贴，属于"用专家数据后训练开源模型"系列的第三篇。一句话总结：他们把之前用私有 RL 栈做智能体后训练的配方，改用公开框架 SkyRL 完整复现，并把规模干到了 397B 参数，训练脚本、权重、评估轨迹全开源了

干出了什么结果👇
- 基座 Qwen3.5-397B-A17B（MoE，17B 激活）纯 RL 后训练后，Pass@1 从 16.11% → 27.29%，相对提升 70%
- 训练数据只有 1,928 条专家人工创建的知识工作任务（管理咨询、投行、公司法三大类），纯 RL、没有 SFT 预热
- 在 APEX-Agents 基准上评估：480 个真实感专业服务任务，每个任务在一个"模拟公司世界"里（几十个 PDF/表格/PPT + 聊天邮件服务器），智能体靠 MCP 工具或代码执行干活
- 配套开源了小模型 Qwen3.6-35B-A3B 的版本，也都放出在 GitHub / HuggingFace

#Mercor #大模型后训练 #专家数据