Tinker 团队发布模型可微调性评测:Inkling 2 Small 用更少成本学到更高奖励

ziqiao_ma · x · 2026-11-06

Thinking Machines 成员晒出 Tinker 平台的「模型可微调性」评测图:在基于财报数据构建的投资分析 RL 微调任务上,自家的 Inkling 2 Small 收敛更快、最终 held-out rubric reward 更高,表现优于 GLM 5.3 Flash、DeepSeek V4.1 Flash、Qwen 3.5 397B 等同量级开源模型。实验用 Tinker Cookbook 的 AsyncRL 与 Stable Reinforce loss 跑了 200 步,Inkling 模型取 3 个 seed 平均,成本按 Tinker 每token定价估算(含 rollout 前缀缓存命中假设)。作者号召大家在 Tinker 上实际试用,强调团队认真对待 post-post-trainability。