跳到主要内容
返回时间线
Hugging Face - Blog来源发表:

RadixArk发布DaisyRose-27B:1200个任务、18天训练,Terminal-Bench 4.1通过率从5.6%升到12.0%

核心概要

RadixArk 发布首个模型 DaisyRose-27B,以 Qwen3.8-27B 为基座,用强化学习在长程智能体任务上做后训练,训练集只有约 1200 个精选任务,在 144 块 H200 上耗时 18 天。它在 Terminal-Bench 4.1 上的 pass@1 从基座的 5.6% 升到 12.0%,在列出的其余推理、指令遵循和编程基准上也均高于基座。模型保留基座架构、分词器、256K 上下文与图像理解能力,检查点以 Apache 2.0 发布。

Source-provided article image: DaisyRose-27B: Pushing the Frontier of Post-Training Efficiency
Hugging Face

深度剖析

一个 27B 规模的模型只靠约 1200 个精选任务、18 天强化学习后训练,就把长程终端任务的 pass@1 从 5.6% 提到 12.0%。 基座 Qwen3.8-27B 在同一基准上的 pass@1 为 5.6%,DaisyRose-27B 为 12.0%,这是全部对比中增幅最大的一项。 同一张基准表里,DaisyRose-27B 在 Terminal Bench 2.1 上为 75.5 对 73.0,DeepSWE v1.1 为 46.2 对 42.2,SWE Bench Pro v2 为 94.7 对 91.3,HLE 纯文本为 34.3 对 33.9,IFBench 为 82.4 对 79.5,GPQA Diamond 为 90.7 对 89.2,均高于基座。

训练任务围绕基座会犯的错误重新设计,并调整难度直到解出率落在可学习的区间。 任务来自与 Eigent AI 合作、从机器学习、软件工程、科学等领域的大任务池中构建的数千个候选,最终约 1200 个进入训练集。 每个任务要求多步相互依赖,单次尝试在沙箱中最多 1.5 小时、超过 100 次工具调用和超过 256K 输出 token;每个任务都与模型的尝试一起复核,能被绕过或存在设计缺陷的被修正或删除。

训练后端采用全异步模式,让智能体持续跑任务、训练器持续从轨迹学习,两边互不等待。 128 块 H200 跑智能体任务的推理,另外 16 块跑训练器;每一步之后更新后的模型再发回那 128 块 GPU。 该后端上每块 GPU 峰值算力的 37% 用于有效训练(MFU),基于 Megatron 的开源训练器在可比运行中为 16%,因此同样训练所需 GPU 时间少 57%;端到端按每秒约 16,800 token 训练,开源训练器在同一批 GPU 上约 8,300。

启示与展望

报道覆盖的是 RadixArk 发布的 DaisyRose-27B 及其训练配置:基座为 Qwen3.8-27B,训练在 144 块 H200 上共 63,000 GPU 小时,检查点以 Apache 2.0 提供 BF16、FP8、NVFP4 三种格式,推荐用 SGLang 配合 DSpark 推测解码部署。

基准分数取 BF16 与 FP8 两次运行中较高者,作者说明两者在都评测的地方相差不到一分;效率对比中的开源训练器数字来自可比运行而非同一次发布运行;沙箱成功率在九周内为 99%,10 月下旬起超过 99.95%。