跳至正文
Hugging Face Blog·· 23 小時前精選AI 評分62

RadixArk 發布 DaisyRose-27B,一個經 RL 後訓練的 Qwen3.8-27B 代理模型

DaisyRose-27B: Pushing the Frontier of Post-Training Efficiency

AI 導讀

RadixArk 發布了其首個模型 DaisyRose-27B,該模型基於 Qwen3.8-27B,使用 Miles 以強化學習在 1,200 個精選的長程代理任務上訓練,耗時 18 天、使用 144 張 H200 GPU。Terminal-Bench 4.1 pass@1 從 5.6% 提升至 12.0%,在 Terminal Bench 2.1、DeepSWE v1.1、SWE Bench Pro v2、HLE、IFBench 和 GPQA Diamond 上的提升較小。檢查點以 Apache 2.0 授權提供,包含 BF16、FP8 和 NVFP4 格式,且該模型保留了 Qwen3.8-27B 的架構、分詞器、圖像理解和 256K token 上下文窗口。

推薦理由

RadixArk 的首個模型展示了精選的小型任務集與異步 RL 後端如何在 27B 基礎模型上提升長程代理性能。

來源:Hugging Face Blog · huggingface.co