MiniMax M2 的智能体对齐：从基准测试到真实世界泛化

MiniMax M2 的后训练团队分享了智能体对齐的核心经验：智能体需要交错思考（Interleaved Thinking），在任务全程而非仅在开头进行推理，以应对工具输出带来的持续扰动。团队发现，仅靠工具数量扩展无法实现泛化，真正的泛化要求模型对整个操作空间中的扰动保持稳定，包括系统提示词、用户提示词、环境和工具响应。M2 用户需保留包含思考步骤的完整会话历史，因为上下文就是它的记忆。