Surge 详解如何用 Tinker 把 Nemotron 3.5 推向前沿水平
echen · x · 2026-11-06
这是 Nemotron 3.5 Super RL 训练结果的详细后续，附 Surge AI 官方博客。四个 RL 数据集分别针对软件工程、复杂指令遵循、长程企业工作流和多模态知识工作，各自产出独立 checkpoint。
关键细节：
- 12 项基准提升 4.5–18.6pp，AutomationBench 完成率 15%→28%，HANDBOOK.md 任务要求满足率 55%→68%
- 分别匹敌 GPT-5.6 Terra（SWE-Bench Pro V2）、Claude Opus 4.7（Terminal-Bench 2.1）、GLM-5.2 744B（AutomationBench）
- 收益最大的是 agentic 任务；改进泛化到训练未见场景
- 结论：Nemotron 通过高质量定向 RL 仍有巨大提升空间
所属事件:Surge 用 Tinker 对 Nemotron 3.5 Super 做 RL，逼近 GPT-5.6(6 条相关)→
「模型」频道最新
- AA 评测：FLUX 3 全系 19 项文生图类别全面超越 FLUX.2，Klein 逼近开源第一 — ArtificialAnlys · 2026-11-06
- Anthropic 首席架构师开号:暗示即将公布内部加速报告,或触发 RSP 2x 阈值 — inductionheads · 2026-11-06
- 6,662 次决策实测:专用决策模型 Mammoth-1 均分 80.9%,反超最强小 LLM 约 3 分 — pournasserian · 2026-11-06
- Hesamation：OpenAI 模型更会玩游戏，但仅限某些类型 — Hesamation · 2026-11-06
- 曝 Meta 内部代号 walrus 新 checkpoint 质量接近 crouton-alpha — ChrisGPT · 2026-11-06
- giffmana 实测：Gemini 3.1 Pro 权重内知道答案，Flash 却不知道 — giffmana · 2026-11-06