Qwen3.8-27B 只用 1,200 个任务做了 18 天强化学习,Terminal Bench 4.1 从 5.6% 涨到 12.0%。

[复制链接]
发表于 昨天 22:31 | 显示全部楼层 |阅读模式
Qwen3.8-27B 只用 1,200 个任务做了 18 天强化学习,Terminal Bench 4.1 从 5.6% 涨到 12.0%。

这就是 DaisyRose-27B,RadixArk 的第一个开放权重模型,做 SGLang 的那家。训练用了 144 张 H200。

任务都是好几个问题串在一起的长活,一次尝试最多 1.5 小时、100 次以上工具调用。题目专挑原版模型会犯错的地方,能投机取巧过关的题都改掉或删掉了。

其他几项也比原版高,幅度小很多:
1. Terminal Bench 2.1:73.0 到 75.5
2. DeepSWE v1.1:42.2 到 46.2
3. SWE Bench Pro v2:91.3 到 94.7
4. GPQA Diamond:89.2 到 90.7

12.0 在同一张表里还低于 MiMo V2.6 Flash 的 16.1,后者总参数 309B。

本地能跑的版本已经齐了。官方给了 BF16、FP8、NVFP4 三版,分别是 55.6、30.9、21.9 GB。

社区 GGUF 的 Q4_K_M 是 17.3 GB,Q8_0 是 29.1 GB。Q4 的权重 24GB 显卡放得下,上下文另算。



本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有账号?立即注册

×
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关注公众号

相关侵权、举报、投诉及建议等,请发 E-mail:2776601884@qq.com

Powered by Discuz! X5.0 Licensed © 2001-2026 Discuz! Team.|青ICP备2025004122号-1

在本版发帖
关注公众号
返回顶部