GLM-5：从氛围编码到智能体工程

我们提出了GLM-5，这是一种下一代基础模型，旨在将氛围编码的范式转变为智能体工程。在继承前代模型在智能体、推理和编码（ARC）能力的基础上，GLM-5采用DSA方法显著降低训练和推理成本，同时保持长上下文的准确性。为了推进模型对齐和自主性，我们实现了一种新的异步强化学习基础设施，通过解耦生成与训练过程，大幅提升了后训练效率。此外，我们还提出了新颖的异步智能体强化学习算法，进一步提高了RL质量，使模型能够更有效地从复杂、长时域的交互中学习。通过这些创新，GLM-5在主要开放基准测试中取得了最先进的性能。最关键的是，GLM-5在现实世界的编码任务中表现出前所未有的能力，在处理端到端软件工程挑战方面超越了之前的基线模型。