LangChain 邀請團隊試用 LangSmith 的 Trajectories
LangChain 表示，LangSmith 的 Trajectories 現已可試用，可用於除錯長時間運行的智能體，為領域專家提供可讀的行為檢視，以線上評估為工作階段評分，並將生產工作階段轉為微調資料集。
#fine-tuning
查看全部AI快訊SkillGym 基於技能軌跡微調 Qwen3.5-35B-A3B
一篇論文提出 SkillGym，將人工編寫的技能轉化為 2,756 個訓練環境，並基於 8,364 條成功軌跡進行微調。論文報告稱，運行於 Claude Code 的 Qwen3.5-35B-A3B 其後在 Terminal-Bench 2.1 上提高 19.10 分，並在技能輔助的 SkillsBench v1.1 上達到 51.47%。
LangSmith 微調 CLI smithtune 可在 FireworksAI_HQ 與 baseten 上訓練
Ankush Gola 表示，smithtune 會從 LangSmith 提取、篩選並處理軌跡，在 FireworksAI_HQ 與 baseten 上訓練，再用 LangSmith 評估結果。程式碼位於 langchain-ai 的 GitHub 儲存庫。
Fireworks 表示，其為 LangSmith Fine-Tuning 與 smithtune 的發佈訓練合作夥伴
Fireworks 表示，其為 LangChain 的 LangSmith Fine-Tuning 與 smithtune 的發佈訓練合作夥伴，並描述一條以單一 CLI 從 LangSmith traces 進入 Fireworks 上受管 SFT、再進行評估與部署的路徑，無需另建訓練基礎設施。
Daniel van Strien 訓練 1.94 億參數 GLiNER2 模型，為 Hugging Face 數據集建議任務標籤
模型在 Hugging Face Jobs 上訓練，成本約 1.50 美元，可根據數據集的欄名和第一行提出任務標籤及機率。Daniel van Strien 表示，17 分鐘微調把首次建議與擁有者標籤的吻合率由 10% 提升至 69%。