ReViSQL-K2.6 ของ Thinking Machines ทำความแม่นยำ text-to-SQL ถึงระดับมนุษย์
เริ่มตรงนี้
Thinking Machines ได้เปิดเผยรายละเอียดของ ReViSQL-K2.6 โมเดล Kimi-K2.6 ที่ผ่านการ fine-tune ด้วย reinforcement learning บนชุดข้อมูลฝึกที่ทำความสะอาดแล้ว ซึ่งทำได้ 92.97% บน Arcwise-Plat-SQL โดยใช้ 16-sample self-consistency ในราคา $0.56 ต่องาน — สูงกว่า 92.96% ของ human proxy เพียงเล็กน้อย ทีมระบุว่าโมเดลนี้เอาชนะ GPT-5.6 Sol Ultra และ Claude Fable 5 ได้ในต้นทุนเพียง 12–15% ของทั้งสอง ผลลัพธ์นี้อิงอยู่บน benchmark ที่ได้รับการแก้ไข: ทีมได้ตรวจสอบ 2,500 อินสแตนซ์ของ BIRD Train และพบข้อผิดพลาดใน 61.1% ของอินสแตนซ์เหล่านั้น รวมถึง gold SQL ที่ไม่ถูกต้องใน 52.1% และได้เผยแพร่ชุดข้อมูลที่แก้ไขแล้วในชื่อ BIRD-Platinum การออกแบบ reward เพิ่มการตรวจสอบความสมมูลด้วย VeriEQL และ process reward แบบอิงกฎสำหรับความรู้ภายนอก ตัวเลขความแม่นยำและการเปรียบเทียบต้นทุนเป็นตัวเลขที่ทีมรายงานเอง
สร้างจากรายงาน · อัปเดต 6 ชม. ที่แล้ว
ไทม์ไลน์รายงาน
ไล่ตามรายงานเพื่อดูเหตุการณ์นี้จากหลายด้าน
- Hacker News · AIThinking Machines เผยรายละเอียด ReViSQL-K2.6 โมเดล text-to-SQL ที่ฝึกด้วย RL ถึงความแม่นยำระดับมนุษย์โดยไม่ต้องใช้ scaffolding
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
ความร้อนแรงของเหตุการณ์นี้
- ช่วงปัจจุบันที่เทียบได้
- 9
- จุดสูงสุดในช่วงที่เทียบได้
- 1016 พฤศจิกายน 11:00
- การเปลี่ยนแปลงใน 24 ชั่วโมง
- –
แนวโน้มนี้เปรียบเทียบผู้ร่วมพูดถึงชุดเดียวกันในช่วงเวลาที่เฝ้าดูต่อเนื่อง ช่วงจึงอาจแคบกว่าคะแนนความร้อนปัจจุบัน วางเมาส์หรือแตะกราฟเพื่อดูความร้อนรายชั่วโมง กดลูกศรเพื่อเลื่อนดู