跳到正文
热点事件持续更新

合成数据训练显著提升Qwen3.8长任务成绩

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

a1zhang公布定向训练结果:用Claude Opus 5.5生成的全合成任务(部分含假子调用),通过surrogate harness训练Qwen3.8-27B后,RLM-27B(synthetic)在八项长任务基准上的平均分达到58.5,高于基础模型的30.5和短任务强化学习版本的48.5。 该结果针对朴素强化学习难以泛化到更长任务的问题;同设置下,Qwen3-30B-A3B平均分由22.6升至25.0。

AI 根据报道生成 · 3 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. AGI Hunt
    合成数据定向训练 Qwen3.8-27B:RLM 长任务均分 30.5→58.5

    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。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。