跳到正文
原文
Hugging Face Blog·· 3 天前精选AI 评分60

RadixArk 发布 DaisyRose-27B,基于 Qwen3.8-27B 强化学习后训练

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

AI 导读

RadixArk 发布首个模型 DaisyRose-27B,基于 Qwen3.8-27B 用 Miles 做强化学习后训练,在 144 张 H200 上以 1200 条任务训练 18 天,Terminal Bench 4.1 pass@1 从 5.6% 提升到 12.0%。

推荐理由

原文给出了训练成本、吞吐与沙箱规模的具体数字,可据此判断后训练效率的改进幅度。

来源:Hugging Face Blog · huggingface.co