AI工具AI评分 一般 (64)AI 中文改写

DaisyRose-27B:推动后训练效率前沿

1 天前 2 阅读来源:HuggingFace Blog

AI 中文改写

原文为英文,由 AI 改写为中文报道,内容完整。如需参考原文请点击下方链接

11月18日,AI初创公司RadixArk发布了其首个模型DaisyRose-27B。这个模型基于阿里通义千问Qwen3.8-27B构建,用强化学习框架Miles训练,专攻长周期智能体任务——单次会话最长可跨越100万token。最引人注目的数字是:在Terminal-Bench 4.1测试中,pass@1从基座的5.6%提升到12.0%,翻了一倍多。训练成本方面,RadixArk只用了1200条精选任务、144块英伟达H200 GPU、18天就完成了训练。模型权重以Apache 2.0协议开源,提供BF16、FP8、NVFP4三种精度版本,完整保留了原模型的架构、分词器、对话模板、图像理解能力和256K上下文窗口。 这次发布的核心思路不是堆数据,而是精准纠错。RadixArk与Eigent AI合作,从机器学习、软件工程、科学等领域的大量候选题中筛选出约1200条,筛选标准有三条:每条任务必须针对基座模型实际犯过的错误设计,难度调整到求解率落在有效学习区间;每条任务需要多步推理和规划,单次尝试允许1.5小时、100次以上工具调用、超过25.6万输出token;每条任务必须真正解决问题才算通过,团队逐条审核模型表现,剔除或修复了存在设计缺陷、可以“蒙混过关”的题目。训练后端采用全异步模式——128块H200负责推理、其余GPU负责学习,智能体和模型互不等待,这也是18天能跑完的关键。除Terminal-Bench 4.1外,DaisyRose-27B在Terminal Bench 2.1(73.0→75.5)、DeepSWE v1.1(42.2→46.2)、SWE Bench Pro v2(91.3→94.7)、HLE纯文本(33.9→34.3)、IFBench(79.5→82.4)、GPQA Diamond(89.2→90.7)等基准上全面超过原版Qwen3.8-27B。对做AI应用落地的团队来说,这意味着一个27B参数级别的开源模型在终端操作、代码修复等智能体场景上有了明显更强的底子,且推理部署门槛不高——官方推荐用SGLang配合DSpark投机解码,按OpenAI接口格式即可调用,模型默认先思考再回答,推理过程放在reasoning_content字段返回。

以上为 AI 中文改写版本,如需查看英文原文请访问

英文原文 · HuggingFace Blog

内容版权归原作者及 HuggingFace Blog 所有

这篇文章对你有帮助吗?
觉得有用?分享给更多人

留言 · 0 条

暂无留言,来说两句吧

留言经合规过滤后展示,禁止违法内容