# Rufus‑Air: An Open LLM Post‑Training Recipe（arXiv:2609.29421）文献总结与翻译 论文链接：[https://arxiv.org/abs/2609.29421](https://arxiv.org/abs/2609.29421)## 一、文章主要内容Rufus‑Air是一套**开源、可复现的大模型后处理完整训练流水线方案**，基于GLM‑4.5‑Air‑Base（106B‑A12B MoE基座模型）开展后训练，采用**8个串行训练阶段**：SFT（监督微调）→ 推理强化学习Reasoning RL → 代码强化学习Coding RL → 指令遵循强化学习Instruction‑Following RL → 通用智能体General Agent → 代码智能体Coding Agent → 搜索智能体Search Agent → RLHF人类反馈强化学习。论文完整公开了整套训练所需要的数据集、奖励函数设计、底层基础设施、阶段排布顺序以及每个阶段的实验结果。训练阶段能力由基础向高级递进；奖励信号从可严格验证的硬奖励逐步过渡到大模型评判的软奖励信号。整套训练全部基于开源组件、公开数据集，**不需要新增人工标注数据，也不依赖自研蒸馏教师模型**。实验结果表明Rufus‑Air整体性能优于官方发布的GLM‑4.5‑Air后训练版本，与同参数量开源大模型具备竞争力。论文同时总结四条核心实践发现，给大模型后训练提供工程指导原则。## 二、主要创新点1. **完整可复现的八阶段串行后训练完整Recipe**：公开从基座模型到具备推理、代码、工具调用、搜索智能体、对齐能力模型的全流程，把后训练从“黑盒系统卡片”变成可落地的工程
