Новости
DaisyRose-27B: Pushing the Frontier of Post-Training Efficiency
Hugging Face · Опубликовано · 3 мин чтения
За 30 секунд
- Что произошло
- RadixArk released DaisyRose-27B, a 27-billion-parameter model fine-tuned via reinforcement learning on long-horizon agent tasks, improving Terminal-Bench 4.1 from 5.6% to 12.0% pass rate.
- Почему это важно
- Engineers building or deploying agentic systems should care, especially those working with reasoning tasks, software engineering benchmarks, or long-context agent training on limited compute budgets.
- На что обратить внимание
- The model was trained on only 1,200 curated tasks over 18 days; generalization beyond these specific domains and real-world agent performance remain unvalidated by independent evaluation.
- post-train
Паттерны, стоящие за этой новостью
Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.
The Agent Architect
Один паттерн, один компромисс, одна история сбоя в продакшене. Короткий еженедельный брифинг для тех, кто строит агентные системы.
Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.