Contrastive-LM 发布 CLM-8B：用对比学习给 Agent 的下一步动作打分

9 月 23 日，Contrastive-LM 在 GitHub 公开 CLM 项目并发布 CLM-8B。它把语言模型从“继续写下一段文字”改成“对当前状态下的一组候选动作打分”，服务接口返回类型化概率，可用于工具路由、候选方案验证和 Agent 轨迹筛选。

CLM-8B 的结构不是在 Qwen3-8B 上直接接一个生成头，而是冻结编码器，再训练状态头和动作头两个 20M 参数投影头，用双向 InfoNCE 把匹配的状态—动作拉近。官方仓库给出的训练配方是 6,000 万条 Nemotron 问答、3,000 万条合成困难负例和 100 万条 Agent 轨迹；权重以 Apache 2.0 放到 Hugging Face。

它改变了什么：Agent 决策被拆成“生成候选”和“快速选择”两层，CLM 专门承担第二层，避免每一步都再调用一个大模型生成器。官方自报在 DeepSWE 达 81.6%、Terminal-Bench 2.1 达 87.6%，并在部分任务延迟上最高比 Jev 低 9 倍；这些结果来自项目方自己的评测，样本规模和对照配置仍需外部复核。

原文链接：Contrastive-LM 官方仓库 / HF