跳到正文
AGI Hunt· a1zhang·· 3 小时前AI 评分39

合成数据定向训练 Qwen3.8-27B:RLM 长任务均分 30.5→58.5

合成数据定向训练 Qwen3.8-27B:RLM 长任务均分 30.5→58.5

AI 导读

a1zhang 公布使用 Claude Opus 5.5 生成的全合成任务,通过 surrogate harness 训练 Qwen3.8-27B,RLM-27B(synthetic) 在八个长任务基准上的平均分达到 58.5,高于 base 的 30.5 和 RL(short tasks) 的 48.5。同设置下,Qwen3-30B-A3B 平均分从 22.6 升至 25.0。

来源:AGI Hunt · agihunt.info