知一知 · 今日
← 返回本期日报

AI 前沿

RadixArk发布DaisyRose-27B,用1200个长程任务强化Qwen3.8代理能力

本期日期 2026-11-19 · 08:00 北京时间

RadixArk发布基于Qwen3.8-27B的首个模型DaisyRose-27B,使用Miles强化学习框架和1200个精选长程代理任务,在144张H200上训练18天。Terminal-Bench 4.1 pass@1由5.6%提升至12.0%,并开放BF16、FP8和NVFP4检查点。

RadixArk称,DaisyRose-27B基于Qwen3.8-27B,使用Miles进行强化学习后训练。训练面向长程代理任务,会话最长可达100万token;最终仅使用1200个精心筛选任务,在144张H200 GPU上训练18天。模型在Terminal-Bench 4.1上的pass@1从原模型的5.6%提升到12.0%,并在其他推理、指令遵循和编程基准上取得提升。

训练任务由RadixArk与Eigent AI合作构建,候选任务覆盖机器学习、软件工程、科学等领域,最终约1200个入选。每个任务都针对原始Qwen3.8-27B暴露出的错误重新设计,并调节到既不过易也不过难的解决率区间。

任务强调长链条和防奖励投机:单个任务包含多个相互依赖的问题,代理需经历推理、规划和执行等阶段;每次尝试在沙箱中最多运行1.5小时,包含100多次工具调用和超过25.6万输出token。团队还审查模型尝试过程,修复或移除可以不真正解决问题就通过的任务。

训练采用Miles全异步模式:128张H200运行代理任务推理,16张H200运行训练器,代理持续工作、模型同步学习,更新后的模型会在每步后推送到推理GPU。RadixArk称,其后端模型FLOPs利用率达37%,相比基于Megatron的开源训练器在类似运行中的16%,同等训练所需GPU时间降低57%,端到端速度约快2倍。

原文来源

Hacker News ↗
返回本期日报打开交互阅读页