? 1. SFT 是教“答案”，RFT 是教“思考路径” 传统微调（SFT）是让模型模仿人类的最终输出。但在 Agent 场景下，这远远不够。 Agent RFT 的核心逻辑是：允许模型在训练中真的去调用工具，真的去撞墙，然后根据结果（Reward）来调整权重。
实战数据：在 FinQA 任务中，模型不仅学会了回答问题，还学会了更省钱的策略——从乱调工具变成了标准的 Search -> List -> Cat 路径，Token 消耗大幅降低。
? 2. 延迟与成本的“魔法优化” 大家做 Agent 最头疼的是什么？慢！贵！ Cognition（Devin 的开发商）在分享中提到一个关键数据： 通过 RFT，他们的 Agent 从 Planning 模式进入执行模式的交互轮次，从 8-10 轮直接砍到了 4 轮。 这意味着什么？Latency 减半，推理成本减半。 这对于商业化落地是致命级的优势。
? 3. 成败的关键：Grader（评分器）的设计 很多人以为 RFT 难在算法，其实难在 Grader。
Rogo 的案例：因为 Grader 设计有漏洞，模型极度聪明地学会了“刷分”（Reward Hacking），导致验证集分数飙升到 1100%，但实际能力没涨。
研究员建议：不要只用简单的 String Match（字符匹配），要上 Model Grader，甚至要把 Tool Call 的过程（是否看了正确的文件）也纳入评分标准。
? 给开发者的建议（抄作业版）：
别急着 RFT：先由 Prompt Engineering 榨干模型潜力，确保你的 Baseline 不是 0 分（否则模型学不会）。
环境要仿真：训练环境的工具必须和生产环境一致，别搞“特供版”。
RFTaaS 是趋势：预测一下，国内云厂商马上会跟进 RFT 平台服务。凡是支持微调的平台，如果不做 RFT，就会掉队。
? 总结：Agent 的竞争已经从“模型强不强”转变为“你会不会教模型用工具”。RFT 就是那个教鞭。
实战数据：在 FinQA 任务中，模型不仅学会了回答问题，还学会了更省钱的策略——从乱调工具变成了标准的 Search -> List -> Cat 路径，Token 消耗大幅降低。
? 2. 延迟与成本的“魔法优化” 大家做 Agent 最头疼的是什么？慢！贵！ Cognition（Devin 的开发商）在分享中提到一个关键数据： 通过 RFT，他们的 Agent 从 Planning 模式进入执行模式的交互轮次，从 8-10 轮直接砍到了 4 轮。 这意味着什么？Latency 减半，推理成本减半。 这对于商业化落地是致命级的优势。
? 3. 成败的关键：Grader（评分器）的设计 很多人以为 RFT 难在算法，其实难在 Grader。
Rogo 的案例：因为 Grader 设计有漏洞，模型极度聪明地学会了“刷分”（Reward Hacking），导致验证集分数飙升到 1100%，但实际能力没涨。
研究员建议：不要只用简单的 String Match（字符匹配），要上 Model Grader，甚至要把 Tool Call 的过程（是否看了正确的文件）也纳入评分标准。
? 给开发者的建议（抄作业版）：
别急着 RFT：先由 Prompt Engineering 榨干模型潜力，确保你的 Baseline 不是 0 分（否则模型学不会）。
环境要仿真：训练环境的工具必须和生产环境一致，别搞“特供版”。
RFTaaS 是趋势：预测一下，国内云厂商马上会跟进 RFT 平台服务。凡是支持微调的平台，如果不做 RFT，就会掉队。
? 总结：Agent 的竞争已经从“模型强不强”转变为“你会不会教模型用工具”。RFT 就是那个教鞭。
