2. Linux.do
  3. 这个3B的模型，只提升可定量打分的能力，应该说是超级做题家吗？难道本地coding agent的时代来了？

这个3B的模型，只提升可定量打分的能力，应该说是超级做题家吗？难道本地coding agent的时代来了？

xyfd 2026-06-17 23:13 1





是模型真的强，还是bench失效了？好像是两方面都有？


https://mp.weixin.qq.com/s/9KVW_zZynu5xXyUOCmsqYQ

最新回复 (8)
  • ANON 06-17 23:23
    1楼

    三个臭皮匠顶一个诸葛亮, 三个不够就三十个, 三十个不够就三百个.

    说不定可以依靠不差的做题能力 + 幻觉爆种取胜.

  • lmoonl 06-17 23:24
    2楼

    希望不是做题家吧

    我多少得去看看是怎么个事

  • SErAphLi 06-17 23:26
    3楼

    通识方面小模型是最难的，但是编程方面说实话应该是没有这么难的，逻辑清晰，奖励可以验证。如果编程语言再限制在这几个benchmark收集的语言上进行训练，肯定不难的。重要的是编程可以很容易的获得验证的奖励，而通识或者人类的指令跟随是需要大量的人类数据的。

  • 炫彩小鱼干 06-17 23:29
    4楼

    开放权重了吗？有第三方实测看看效果如何吗

  • seby 06-17 23:35
    5楼

    感觉像是偏科加RL filter，能力确实很吓人，不知道成绩可不可信。

  • xyfd 楼主 06-17 23:42
    6楼

    确实，他说的这几个场景应该做RL毕竟好做，有明确verifier

  • xyfd 楼主 06-17 23:44
    7楼

    理论上这种专用模型做算子优化之类的，很窄的任务，是不是有戏？

  • SugarBreeze 06-17 23:44
    8楼

    一般来讲，要么是一道高中数学题要思考几十万token，要么就是直接把测试集丢进训练集里面

* 帖子来源Linux.do
附近帖子
返回
飞读
随机推荐