Evaluar agentes CLI en post-entrenamiento autónomo de LLM con PostTrainBench
Ejecuta Claude Code, Codex CLI, Gemini CLI u OpenCode a través de tareas de post-entrenamiento acotadas en H100 y compara cómo cada agente mejora un LLM base.
Prerrequisitos
Python, apptainer, fuse-overlayfs, caché de Hugging Face, acceso a GPU H100, compatibilidad actual con el planificador HTCondor, y credenciales para los andamios de agente CLI seleccionados
Instalación
Instala o configura siguiendo las instrucciones basadas en el código fuente:
Clona https://github.com/aisa-group/PostTrainBench, instala los requisitos incluyendo apptainer y fuse-overlayfs, construye el contenedor estándar con bash containers/build_container.sh standard, descarga la caché de Hugging Face con bash containers/download_hf_cache/download_hf_cache.sh, copia example.env a .env, configura las claves API y rutas, y luego envía los trabajos con bash src/commit_utils/commit.sh.