深度分析 DR‑Venus：在 4B 邊緣模型上以 agentic SFT 與 IGPO 回合層級 RL 實現長時程深度研究代理人 背景：小型模型在成本、延遲與隱私上具優勢，適合邊緣部署。方法：DR‑Venus 採兩階段訓練，先以清洗並重採樣的軌跡做 SFT，再以基於資訊增益的逐回合強化學習優化工具使用與長時程執行。結果：在僅約一萬筆開放資料下，4B 模型超越先前 9B 級代理人，並縮小與 30B 類系統的差距。
