RadixArk 开源 DaisyRose-27B:在 Qwen3.8-27B 上用 1,200 个长程智能体任务做强化学习,Terminal-Bench 4.1 从 5.6% 提到 12.0%
一份小团队用有限算力把开源模型往智能体方向后训练的完整做法。适合考虑自己微调编码或运维智能体模型的团队。
// 要点
- 基于 Qwen3.8-27B,用 Miles 做强化学习;144 张 H200 训练 18 天,单个会话最长 100 万 token,Apache 2.0 发布。
- Terminal-Bench 4.1 pass@1 从 5.6% 提到 12.0%,在官方列出的各项基准上都高于原模型。
- 约 1,200 个任务从数千个候选中筛出:每个任务针对原模型会犯的错设计,单次尝试最长 1.5 小时、超过 100 次工具调用。
- 保留原模型的架构、分词器、对话模板、图像理解与 256K 上下文,推荐用 SGLang 加 DSpark 投机解码部署。
开发者视角12% 离闭源前沿模型还很远,这个模型本身我不会拿来当主力;真正值得看的是它的选题方法:只挑「原模型会犯错、又不能投机取巧」的任务,1,200 个就够出效果。想给自己的智能体做后训练的,先像这样从失败案例里攒任务集,比堆数据量更划算。