320B 开源黑马 IQuest-Q1 自查训练 bug,空格致分卡住

新智元 · wechat · 2026-09-30

中国团队「至知创新研究院」发布 320B 开源稀疏 MoE 模型 IQuest-Q1,权重、GitHub、Blog 一并公开。

训练自纠 bug 的名场面:一次强化学习中得分曲线停滞且无报错,模型自己翻查训练日志、对话记录与代码,发现推理服务在输出转文字时多塞了一个空格,逐字比对的训练系统因此把多轮对话截断、大量数据沦为摆设。修复后平均得分从 0.704 升到 0.769,后段至 0.799。

技术要点:采用多教师在线策略蒸馏(MOPD),四个教师模型在学生自己的错误上批改,最后合并多阶段模型。在 NL2Repo、CyberGym 以及 Terminal-Bench 2.1、DeepSWE v1.1、JobBench 等评测上表现不俗。

实测:新智元用三道调度题验证——6 路口早高峰交通(设计绿波+救护车整排绿灯,红灯平均等待从 6 分钟降到 22 秒)、8 台仓储机器人调度(双11 爆单 420 单送出 87%,零撞车)、24 层写字楼 4 部电梯调度(晚高峰准点率 26%→61%)。前端能力上,单 HTML 文件生成两千余行的「二十四节气水乡」动画与水墨弹幕射击游戏。

所属事件:至知创新开源 320B MoE 模型 IQuest-Q1(11 条相关)→

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →