拆解 Genspark 超越 Opus 5.5 的训练法:研究用 RL,报告靠 SFT
baseten · x · 2026-11-11
Baseten 补充说明其与 Genspark 联合后训练 Qwen3.5-397B 的方法:把 deep research 拆成两个子问题分别处理。研究(搜索)环节用强化学习训练,奖励函数不只看最终结果,而是奖励广度——不同的搜索和来源数量;报告写作环节主要通过对模型自身证据构建的优质报告做 SFT 教会,再进行一次端到端 RL。这套组合使模型在内部评测上得分 0.759,超过 Opus 5.5(0.738),基座仅 0.612。
所属事件:Genspark 与 Baseten 后训练 Qwen3.5-397B 深度研究超 Opus 5.5(2 条相关)→
「模型」频道最新
- 实测者称 Fable 5.2 是增量升级且 token 消耗巨大 — bindureddy · 2026-11-11
- sokobanteg v0.2 上线:十余款前沿模型同台竞技推箱子 — banteg · 2026-11-11
- AssemblyAI 推出 Medical Mode,医学术语漏识别减少 20% — AssemblyAI · 2026-11-11
- Gemini 4 Carbon 登顶 ARC-AGI-3:99.1% 得分、成本仅 4600 美元 — fchollet · 2026-11-11
- 网传 Gemini 4 Carbon 仅凭一张参考图造出 92 零件 3D 巴黎物理实验室 — theREALmarvin · 2026-11-11
- GBENCH 评测：OpenAI 三款模型包揽前三，Anthropic 专注编码助手 — teortaxesTex · 2026-11-11