DaisyRose-27B улучшила проход по Terminal-Bench 4.1 с 5,6% до 12,0%
Модель на базе Qwen3.8-27B прошла обучение на 1 200 задачах за 18 дней на 144 GPU H200. Она показала лучшие результаты на всех бенчмарках по сравнению с оригинальной Qwen3.8-27B.
- Область
- обучение языковых моделей
- Что сделали
- Создали модель DaisyRose-27B, обучив её на 1200 задачах с использованием методов обучения с подкреплением за 18 дней на 144 GPU.
- Зачем это
- Это позволило увеличить точность выполнения задач на сложном бенчмарке Terminal-Bench 4.1 с 5,6% до 12%.
#reinforcement learning#qwen#terminal-bench#rlhf#radixark



