PostTrainBench로 자율 LLM 포스트트레이닝을 위한 CLI 에이전트 벤치마크
Claude Code, Codex CLI, Gemini CLI 또는 OpenCode를 제한된 H100 포스트트레이닝 태스크에 실행하고, 각 에이전트가 기본 LLM을 얼마나 개선하는지 비교합니다.
사전 요구 사항
Python, apptainer, fuse-overlayfs, Hugging Face 캐시, H100 GPU 액세스, 현재 HTCondor 스케줄러 지원, 선택한 CLI 에이전트 스캐폴드의 인증 정보
설치
소스 기반 지침에 따라 설치 또는 설정:
https://github.com/aisa-group/PostTrainBench 를 클론하고, apptainer 및 fuse-overlayfs를 포함한 요구 사항을 설치하고, bash containers/build_container.sh standard로 표준 컨테이너를 빌드하고, bash containers/download_hf_cache/download_hf_cache.sh로 Hugging Face 캐시를 다운로드하고, example.env를 .env로 복사하고, API 키와 경로를 설정한 후, bash src/commit_utils/commit.sh로 작업을 제출합니다.