基于PostTrainBench对自主LLM后训练进行CLI Agent基准测试 是做什么的?
运行Claude Code、Codex CLI、Gemini CLI或OpenCode,通过受限的H100后训练任务,比较各Agent对基础LLM的改进效果。
前提条件
Python、apptainer、fuse-overlayfs、Hugging Face缓存、H100 GPU访问权限(目前支持HTCondor调度器)、以及所选CLI Agent框架的凭证
安装
按照源码说明进行安装或设置:
克隆 https://github.com/aisa-group/PostTrainBench,安装包括apptainer和fuse-overlayfs在内的依赖,使用 bash containers/build_container.sh standard 构建标准容器,使用 bash containers/download_hf_cache/download_hf_cache.sh 下载Hugging Face缓存,将 example.env 复制为 .env,设置API密钥和路径,然后使用 bash src/commit_utils/commit.sh 提交任务。