Перейти к основному содержимому
AXIOMA AI
Все новости
Рынок AI

Расширяя границы эффективности пост-обучения

Расширяя границы эффективности пост-обучения
12,0
результат pass@1 на Terminal-Bench 4.1

RadixArk выпустила DaisyRose-27B — свою первую модель, основанную на Qwen3.8-27B и обученную с использованием reinforcement learning.

Модель была обучена на задачах с длительным горизонтом, включая сессии до 1 миллиона токенов.

DaisyRose-27B показала улучшение результата на Terminal-Bench 4.1 с 5,6% до 12,0%.

Чекпоинты модели доступны под лицензией Apache 2.0 в форматах BF16, FP8 и NVFP4.

Модель сохраняет архитектуру, токенизатор, шаблон чата, поддержку понимания изображений и контекстное окно в 256K токенов от Qwen3.8-27B.

Для запуска рекомендуется использовать SGLang с DSpark speculative decoding.

Обучение проводилось с использованием фреймворка Miles в асинхронном режиме.

Это краткое изложение. Полный текст статьи доступен на сайте источника:

Читать полностью на Hugging Face

Как это касается вашего бизнеса

Изменения на рынке важны, когда руководитель видит их в показателях своей компании. Радар управления каждый день собирает брифинг: 10 приоритизированных сигналов о главном за 24 часа.