Surge 用 Tinker 训练 Nemotron 3.5 Super,12 项基准提升 4.5-18.6 个百分点
echen · x · 2026-11-06
Surge AI 发布博客详解如何用 Thinking Machines 的 Tinker 平台，基于四套 RL 数据集（软件工程、复杂指令遵循、长程企业工作流、多模态知识工作）训练 NVIDIA Nemotron 3.5 Super VL（120B 总参数/12B 激活）。
核心结果
- 12 项基准全部提升，幅度 4.5–18.6 个百分点
- 达到与更大闭源模型相当的水平：SWE-Bench Pro V2 超 GPT-5.6 Terra，Terminal-Bench 2.1 超过 Claude Opus 4.7，AutomationBench 超 GLM-5.2 (744B)
- AutomationBench 端到端工作流完成率近乎翻倍（15%→28%）；HANDBOOK.md 任务要求满足率 55%→68%
- 模型学到的好习惯（查证据、测代码、完成多步流程）泛化到未训练过的场景
结论：高质量定向 RL 数据可为开源模型带来巨大提升空间。团队还称赞 Tinker 无需自管 GPU 即可并行跑 RL 实验与评测，一行代码切换模型尺寸。
所属事件:Surge 用 Tinker 对 Nemotron 3.5 Super 做 RL，逼近 GPT-5.6(6 条相关)→
「编程与Agent」频道最新
- Agile Deliberation 开源代码发布:含 Demo notebook 可跑通全流程 — aigclink · 2026-11-06
- 谷歌开源 Agile Deliberation:用边界案例把模糊分类标准磨清晰 — aigclink · 2026-11-06
- AI 找出潜伏 10 年的漏洞:任意超 256 字符文本可当 root 密码 — andersonbcdefg · 2026-11-06
- vLLM 开源 System Duo 语义路由：快慢双系统按需分流推理任务 — vllm_project · 2026-11-06
- 开发者观点:把推理算力砸向问题直到它消失是当代核心技能 — rmcwhorter99 · 2026-11-06
- Claude Code 被曝在 User-Agent 头泄露用户邮箱，用户称日均收到数十封诈骗邮件 — niloofar_mire · 2026-11-06