MiniMax 复盘 M2 智能体泛化与对齐经验：从基准测试走向真实场景

MiniMax 团队复盘了 M2 模型的智能体后训练对齐经验，提出智能体需要交错思考与全轨迹扰动适应才能在真实场景中有效泛化。团队指出仅靠扩充工具数量无法应对脚手架和环境变化导致的性能下滑，因此引入可在任务任意阶段触发的交错思考机制，并构建了覆盖全操作空间的抗扰动训练数据管线。使用 M2 时需要完整保留包含思考步骤的会话历史上下文，避免因丢弃思考过程而影响模型效果。