Nemotron 3.5 Super VL 企业智能体后训练
AI 总结
Prime Intellect 与 NVIDIA 合作为 NVIDIA Nemotron 3.5 Super VL 构建了 2,500 条经过验证的企业级任务，并用 GRPO 训练 100 步、约 11 小时（128 张 NVIDIA GB200 GPU），使其在 AutomationBench-AA 公开测试集上从 SFT 检查点的 34.0% 提升到 57.7%，即上涨 23.7 个百分点。任务模拟 CRM、收件箱、客服台和表格等 47 个 SaaS 应用，评分只检查最终应用状态：完成目标给部分分，一旦违反任一 guardrail 则整题归零。文中称每道题在入库前都会用脚本化捷径（如全量修改、什么都不做、谎称完成）发起攻击测试，最新批次约 18,000 次尝试均未通过，并用第二个独立评分器在约 69,000 个 episode 上得到逐字节一致的结果。
深度见解
它把企业工作流当作可用程序校验最终状态的强化学习问题，为按各公司自有流程后训练开放权重模型提供了一条可复现路径。