RadixArk обучила DaisyRose-27B всего на 1 200 задачах и удвоила результат Qwen3.8 на Terminal-Bench 4.1

DaisyRose-27B: 1,200-task RL took Qwen3.8 from 5.6% to 12% on Terminal-Bench 4.1

RadixArk обучила DaisyRose-27B всего на 1 200 задачах и удвоила результат Qwen3.8 на Terminal-Bench 4.1

RadixArk выпустила DaisyRose-27B — модель на базе Qwen3.8-27B, дообученную через reinforcement learning во фреймворке Miles. Всего 1 200 тщательно отобранных длинных агентных задач, 18 дней на 144 H200 и 63 000 GPU-часов подняли pass@1 на Terminal-Bench 4.1 с 5,6% до 12,0%. Рост есть и на других бенчмарках. Ключ — задачи под конкретные ошибки базовой модели, асинхронный бэкенд с MFU 37% и собственный sandbox-сервис. Веса BF16, FP8 и NVFP4 открыты на Hugging Face.

Каждая задача нацелена на ошибку, которую допускает исходная модель.
  1. woah

    Сильная зависимость от оценочных датасетов, показанная здесь, а также подтверждённая высокими выплатами передовой лаборатории за такие данные, ставит под сомнение заявления о том, что ИИ скоро станет самоулучшающимся.

  2. jacquesm

    Мне всегда интересно, что ты теряешь, когда начинаешь выжимать максимум из какого-то конкретного бенчмарка. Действительно трудно делать это сбалансированно, и я был бы рад, если бы все, кто прилагает такие усилия, нашли время также перечислить до/после по ряду других бенчмарков, которые они не использовали в своём обучении.

  3. pkoiralap

    Sabi-noema тоже выглядит как близкий конкурент в той же области. Создана на основе qwen3.8 и улучшена.

    https://huggingface.co/sabicap/sabi-noema

    Также модель на HF здесь:

    https://huggingface.co/RadixArk/DaisyRose-27B

  4. xlayn

    Чёрт, нет gguf для скачивания, подожду, пока появится, чтобы протестировать, любое улучшение уже хорошей модели — это хорошая новость.

    "18 дней на 144 GPU H200" — безумие... не думал, что для обучения Qwen потребуется столько оборудования.

  5. mips_avatar

    Как вы, ребята, настроили топологию RL? Вы делали отдельные RL-узлы (4xh200 rollout/4xh200 train) или у вас были выделенные узлы для тренера и rollout?

Ещё за этот день

2026-11-18