Sft与cispo训练

Jeeves推理模型增强决策能力，性能超越同类方案

PostHog发布了Jeeves，一款基于Qwen3.5-9B的推理增强型决策模型。该模型采用SFT和CISPO两阶段训练方法，并集成扩散草案器技术，在多项基准测试中展现出显著优势。