Folia
← 返回头版

DaisyRose-27B:利用千余任务强化学习大幅提升模型终端能力

初创公司 RadixArk 发布了基于 Qwen3.8-27B 构建的首款大语言模型 DaisyRose-27B 1。该模型通过仅使用约 1,200 个精心设计的长程智能体任务进行为期 18 天的强化学习训练,将 Terminal-Bench 4.1 基准测试中的 pass@1 准确率从 5.6% 提升至 12.0% 1。此次训练使用了 144 块 H200 GPU,总计消耗 63,000 GPU-hours 1。

此次发布展示了在受限算力预算下,高效基础设施和高质量数据对提升模型 Agent 能力的重要性 1。RadixArk 采用的 Miles 框架相比开源 Megatron 后端展现出显著的效率优势,其 MFU 达到 37%(而后者为 16%),使训练成本降低了 57%,端到端速度加快了两倍 1。此外,该基础设施运行了约 944,000 个沙箱实例,相关成本比主流云服务商低约 80% 1。目前,DaisyRose-27B 已提供 BF16、FP8 和 NVFP4 多种精度的检查点供下载 1。


评论