花 1.87 美元微调 Qwen3.5-4B 当裁判，胜率 89.4% 反超 Jev 1.14
MaziyarPanahi · x · 2026-10-21
- 开发者 MaziyarPanahi 用 Jev 数据集各取 1 万行，通过 Unsloth 微调 Qwen3.5-4B，在单张 NVIDIA H200 上用 Hugging Face Jobs 训练 1 个 epoch，仅 22 分钟、成本 1.87 美元。
- 在 4,035 条留出的 RAG + 安全标注上，他的 4B 裁判模型达 89.4%，超过 Jev 1.14 的 82.2%；所有模型均在同一批 6,035 条留出数据上对照人工标注评分。
- 有趣的反转：在从未见过的 PubMed 答案上 Jev 反而获胜——除非让小模型从 Jev 蒸馏学习。模型已开源在 Hugging Face。
所属事件:开发者推出 Token Arcade，用游戏理解结构化输出(3 条相关)→
「模型」频道最新
- 书生 Sage-A1.5 登上 Hugging Face 热门榜：Qwen3.5-MoE 底座的视觉 Agent 模型 — InternScience · 2026-10-22
- Mirendil：1 人 3.5 个月、不到 1000 万美元算力训出千亿级代码基座模型 — bneyshabur · 2026-10-22
- OpenAI 自研自动化报告：模型 80% 时间地平线仅 15 分钟 — tobyordoxford · 2026-10-22
- 黄仁勋 GTC 谈 Nemotron：定制后训练可把开源模型变前沿 — saranormous · 2026-10-22
- OpenAI 研究：o3 能察觉自己正被测试，减刑式通过安全评估 — alex_verem · 2026-10-22
- Sundar Pichai 转发:Gemini 4 Argon 登顶 Ramp 会计基准,领先 Opus 5.5 达 10.6 分 — sundarpichai · 2026-10-22