Hugging Face Daily Papers 于 2026 年 11 月 2 日收录 Axion 1.0。论文把它写成完全开放的智能体基座模型:要较强、较广的智能体能力,同时把训练压成极简配方。全程只有三阶段——两段轻量监督微调,再接强化学习——不做专门的 mid-training,也不用 DPO 和 on-policy distillation(OPD)。开放不止权重,还覆盖数据构造、生成、过滤、验证、提示词和训练代码,使整条研发过程可复现、可扩展。摘要末尾被截断,下文只使用已给出信息,不补充未公布的分数与规模。

三阶段各自补哪块能力

第一段监督微调做自包含推理。数据按 model-aware 方式构造:先合成有挑战的问题,再根据基座模型自己已经成功的解题策略对抗加难,先压实不依赖工具的内部推理。

第二段监督微调接到依赖工具的推理。流水线用来构造多样、可自动验证的任务,并锚定真实世界数据源与确定性计算。可核验既服务后续强化学习,也减少人工标注。摘要未给出数据源清单和任务规模。

第三段用强化学习强化长程推理,以及与外部工具、环境的交互。顺序很清楚:先独立思考,再学会用工具,最后拉长交互地平线。三步之外,专门的中间训练、DPO 与 OPD 都被拿掉。

开放写得很满,成绩仍是定性

尽管配方紧凑,Axion 1.0 称在广泛的智能体基准上表现强,并在若干项上与领先商业模型有竞争力。这是定性判断。摘要没有基准名称、分数、参数量和对照系统,不能改写成已经追上某一闭源旗舰。

开放承诺更具体。除权重外,完整配方包括数据构造、生成、过滤、验证、prompts 和训练代码。对跟做智能体基座的团队,这比只放 checkpoint 更接近可审计资产。摘要末句写到 can be both open an,原文截断,只能理解为论文试图同时论证「强」和「开」,不宜自行补全后半句。

我的判断

价值在于把智能体基座训练压成可复述的三步,并配套全流程开源。最值得吸收的是两段数据思路:按模型自身成功策略对抗加难,以及用真实数据和确定性计算自动验证工具任务。适用边界也很清楚:它说明简单配方走得通,并不等于交出可直接上生产的对照实验。摘要没有失败案例、数据规模、算力和具体分数。材料不足时不应过度承诺。只读这一条动态,合理动作是核对完整论文和代码,而不是凭「有竞争力」四个字替换现有基座。