Agent 驱动的模型训练，基元律动做了一次迈向 RSI 的实验

基元律动发布开源的 NeoHorse-1（含 4B 与 9B 两个尺寸），以其此前开源的 OpenSquilla 路由系统产生的「需求预测 — 路由决策 — 执行过程 — 环境结果」完整轨迹为教学档案，将 Agent 的「推理 — 行动 — 反馈」链条作为训练单元，经轨迹筛选、基于路由能力需求的课程学习、路由引导的 On-Policy Distillation 等步骤完成单轮闭环训练，实现了模型在 Harness Agent、工具交互等任务上的能力提升，这被视为迈向递归自我改进（RSI）的可复现单轮闭环验证。该项目由无问芯穹提供底层支撑，清北团队参与算法研究，其构建的模型与 Harness 飞轮，有望推动 Agent 从执行过程中持续成长。