跳到正文
Hugging Face Blog(huggingface.co)·· 4 天前精選品質評分61

RadixArk 發布 DaisyRose-27B,Terminal-Bench 4.1 成績提升

DaisyRose-27B: Pushing the Frontier of Post-Training Efficiency

重點導讀

訓練 AI 助理處理需要長時間、多步驟完成的工作,往往要準備大量任務,也得投入不少 GPU 資源。

  • RadixArk 發布首款模型 DaisyRose-27B,以 Qwen3.8-27B 為基礎,使用 1,200 項整理過的任務進行強化學習訓練。和原始模型相比,它在文中列出的各項基準都拿到較高分。
  • Terminal-Bench 4.1 的 pass@1 從 5.6% 提升到 12.0%。RadixArk 也表示,自家訓練後端比可比的開源訓練器少用 57% GPU 時間。

AI 伴隨問答

自備 Key 深度分析

針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:

推薦理由

DaisyRose-27B 與 Qwen3.8-27B 的多項基準成績可供對照,其中 Terminal-Bench 4.1 的 pass@1 從 5.6% 提升到 12.0%。

信源出處huggingface.co

DaisyRose-27B: Pushing the Frontier of Post-Training Efficiency

本文為 888news 精選之重點導讀。若需閱讀作者完整原文、技術細節與官方討論,請前往原始網站。

開啟原文
來源: Hugging Face Blog (huggingface.co)
開啟原文

讀者討論

理性交流 · 即時討論