**Rufus-Air：基于 GLM-4.5-Air 的开源可复现大模型后训练配方**

_Rufus-Air: An Open LLM Post-Training Recipe_

> Rufus-Air 是一套公开、可复现的大模型后训练流程，基于 GLM-4.5-Air-Base（106B-A12B），按顺序串联八个阶段：SFT、推理强化学习、代码强化学习、指令遵循强化学习、通用智能体、代码智能体、搜索智能体与 RLHF。团队完整公开了数据、奖励设计、基础设施、阶段顺序及各阶段结果，并尽量复用开源组件与公开数据，不依赖新的人工标注或自研蒸馏教师模型。主要结论为：多样且高质量的 SFT 奠定能力下限；难度过滤让 RL 提示停留在有效学习区间；奖励可靠性是安排阶段顺序的实用原则；基础设施与工程选择本身就是配方的一部分。该方法优于官方 GLM-4.5-Air 后训练版本，并可与同规模开源模型竞争。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-25 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.29421)