Ultramarine 1 Flash 技术报告:合成 rubric 任务规模化非可验证 RL
lmoroney · x · 2026-10-15
Paper Instruments 发布 Ultramarine 1 Flash 技术报告(与此前推文同一事件,此为原文链接)。- 该模型基于 GLM-5.3 Flash 做大规模 RL 后训练,面向金融、法律、咨询、运营等不可验证的专业知识工作。- 核心方法:按可验证任务的形式化方式(环境+指令+验证系统)合成任务,用按任务定制的 rubric 判分,覆盖 Excel/PowerPoint/Word 产出。- 成本 $0.13/任务,6 项基准平均 +4.1 分,token 减少 6.5%;模型已上 API,权重约两周后发布。
所属事件:Paper Instruments 发布 Ultramarine 1 Flash 模型(2 条相关)→
「模型」频道最新
- OpenRouter 数据：Opus 5.5 发布后 Anthropic 从 OpenAI 手中夺回份额 — menhguin · 2026-10-15
- 189 组基准实测：16GB 显存跑 Qwen3 27B 的 KV 量化怎么选 — Fancy-Snow7 · 2026-10-15
- NVIDIA 新模型预告跟进:GTC 前或见 Nemotron 3.5 Super VL — testingcatalog · 2026-10-15
- 曝 NVIDIA 将发布 Nemotron 3.5 Super VL:120B 总参 12B 激活 — testingcatalog · 2026-10-15
- 阿联酋 IFM 发布开源模型 Jais 3，主打阿拉伯语与 Agent 能力 — valcore93 · 2026-10-15
- DeepSeek V4.1 Flash 免费登陆 OpenCode 编程工具 — CurieuxExplorer · 2026-10-15