ข้ามไปที่เนื้อหา
Hacker News · AI·· 6 ชม. ที่แล้วคะแนน AI58

Thinking Machines เผยรายละเอียด ReViSQL-K2.6 โมเดล text-to-SQL ที่ฝึกด้วย RL ถึงความแม่นยำระดับมนุษย์โดยไม่ต้องใช้ scaffolding

Putting Task Expertise into RL Achieves SOTA Performance on Text-to-SQL

สรุปโดย AI

Thinking Machines อธิบายถึง ReViSQL-K2.6 ซึ่งเป็นโมเดล Kimi-K2.6 ที่ปรับแต่งด้วย RLVR บนชุดข้อมูลฝึกที่ทำความสะอาดแล้ว โดยทำได้ 92.97% บน Arcwise-Plat-SQL ด้วย self-consistency 16 ตัวอย่าง ในราคา $0.56 ต่องาน สูงกว่าค่าประมาณระดับมนุษย์ที่ 92.96% ทีมได้ตรวจสอบ 2.5k อินสแตนซ์ของ BIRD Train และพบข้อผิดพลาดใน 61.1% รวมถึง gold SQL ที่ไม่ถูกต้องใน 52.1% จากนั้นจึงเผยแพร่ชุดข้อมูลที่แก้ไขแล้วในชื่อ BIRD-Platinum การออกแบบรางวัลเพิ่มการตรวจสอบความเท่าเทียมด้วย VeriEQL และรางวัลกระบวนการตามกฎสำหรับความรู้ภายนอก และโมเดลนี้เอาชนะ GPT-5.6 Sol Ultra และ Claude Fable 5 ได้ในต้นทุน 12–15% ของทั้งสอง

แหล่งข่าว:Hacker News · AI · thinkingmachines.ai