Rufus-Air：開放 LLM 後訓練配方
為何重要
此配方證明瞭在算力與資源受限下，透過結構化的工程流程與開源生態整合，仍能有效強化下游模型，降低開源模型追趕閉源的技術門檻。它重新定義了後訓練的成功公式，強調基礎設施與工程投入是關鍵變數，而非僅仰賴算力堆疊。
Rufus-Air 是一套針對 GLM-4.5-Air-Base 的大規模、可重現後訓練配方，透過八個階段的串流管道提升模型能力。該方案強調基礎設施工程與資料管理的決定性作用，並全程採用公開資料與開源元件，無需新的人力標註或內部擬人教師。
- 基礎模型為 GLM-4.5-Air-Base（106B-A12B），後訓練包含八個階段：SFT、Reasoning RL、Coding RL、Instruction-Following RL、General Agent、Coding Agent、Search Agent 及 RLHF。
- 研究發現顯示，多樣化高品質 SFT 能建立堅實能力底線，且回報設計的「可靠性」是排序訓練階段的實用原則。
- 該配方超越官方發布的 GLM-4.5-Air，並達到規模相近開源模型的競爭力水平。