Folia
← 返回头版

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1。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1,在多项基准测试中展现出显著优势。

在JevBench公开难题测试集上,Jeeves达到0.935的准确度,相比原有的Jev模型的0.866有明显提升1。在通用测试集上,Jeeves准确度为0.889,超过Kev-9B的0.822和Jev的0.8571。Jeeves支持是/否、多选和评分三种问题类型,并兼容Jev API接口1。

在实际部署方面,该模型在单个H100 GPU上的中位延迟为3.3秒(包含推理过程)1。训练过程中,Jeeves在包含19,126个来自12个公开数据集的问题上进行监督微调,其中一半的样本包含推理链1。不过在MMLU基准测试上,Jeeves的准确度为0.793,相比Jev的0.900有所下降;在MMLU-Pro上为0.739,对比Jev的0.840同样存在差距1。


评论