7名博士生僅用3個月從零訓練7B大模型：程式碼+資料+訓練日誌全公開
為何重要
此案首次在基礎模型訓練環節具體展現了「由AI研發AI」的工程實力，證明瞭即便在資料清洗、實驗監控等重複性高、耗時的工作上，人機協同也能模擬大型團隊的運作效率。對產業而言，這驗證了透過工程微調與Agent團隊協作來降低訓練成本與時間的可行性。
北京中關村學院的7名博士生僅用3個月從零訓練出開源7B模型ZGCM-1，並公開了包含權重、資料配方、程式碼與完整工程日誌。團隊為應對工程挑戰，提出的「人+幾百個Agent」研發模式與自研ZGent平臺被納入技術框架。
- ZGCM-1在通用評測中與Qwen3-8B等規模模型表現相似，但在部分推理與搜尋任務中可與Qwen3-235B-A22B、GLM-5.1等更大模型對比。
- 研發流程被拆解為11類任務，核心參與者依據L1至L5自主性框架對Agent表現進行評級，其中實驗監控與部署已達到L4等級。
- 為克服黑盒訓練問題，建立了由18類能力、183項檢查點及2503個探針構成的ACE原子能力評測體系，以追蹤除Loss外的能力變化。
- 通過區域性與全域性注意力結合、Muon與FP8最佳化，在16K預訓練中達到相同Loss的效率，較標準BF16/AdamW基線提升約4.2倍。