跳至正文
Hacker News · AI·· 6 小時前AI 評分58

Thinking Machines 詳解 ReViSQL-K2.6:一款經 RL 訓練、無需腳手架即達人類水準準確率的 text-to-SQL 模型

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

AI 導讀

Thinking Machines 介紹了 ReViSQL-K2.6,這是一個以 RLVR 在清洗後訓練集上微調的 Kimi-K2.6 模型,在 Arcwise-Plat-SQL 上以 16 樣本自洽達到 92.97%,每項任務成本 $0.56,高於 92.96% 的人類代理基準。團隊審計了 2.5k 條 BIRD Train 實例,發現其中 61.1% 存在錯誤,包括 52.1% 的 gold SQL 不正確,隨後將修正後的集合發布為 BIRD-Platinum。獎勵塑形加入了 VeriEQL 等價性檢查以及針對外部知識的基於規則的過程獎勵,該模型以 GPT-5.6 Sol Ultra 和 Claude Fable 5 成本的 12–15% 擊敗了它們。

來源:Hacker News · AI · thinkingmachines.ai