DaisyRose-27B 实测:开思考后 IFBench 指令遵循领先 Qwen 基座 7 个百分点
ying11231 · x · 2026-11-20
- 实测结论:@lasseai 在本地(RTX PRO 4500,NVFP4,SGLang)对比测试了 RadixArk 基于 Qwen3.8-27B 继续训练的 DaisyRose-27B。开启 thinking 后,IFBench 指令遵循准确率 75.5% vs 基座 68.5%(200 组配对 prompt,95% CI +1.5+12.5pp);关闭 thinking 则无明显差距(41.3% vs 40.3%)。
- 无能力回退:工具调用 46/46 打平、JSON 抽取、德语数学、32k 检索、IFBench loose 等项均与基座相当,未观察到其他类别退化。
- 背景:RadixArk 用长程 agentic 任务对该模型做了后训练。作者提醒该模型与基座一样对配置改动非常敏感,正在整理一套可靠的运行配方,后续会出更多测试。
「模型」频道最新
- 破折号成 AI 痕迹:好写作标志正在变成写作「 tell 」 — dreamwieber · 2026-11-20
- Perplexity 决策模型 v1.3 在 OpenRouter 继续免费三周 — antoine_chaffin · 2026-11-20
- Legora 11 月法律基准:Meta Muse Wonder 综合质量登顶 — AIatMeta · 2026-11-20
- 实测让模型画晶体管陷阱效应图:neon 先画 ASCII 再出图 — xiaosun86 · 2026-11-20
- Gemini 4 Neon 考博级材料学测试拿满分,用时仅为 Carbon 一半 — v_aravind · 2026-11-20
- 用户实测:Anthropic 小模型 Neon OCR 速度与质量俱佳 — zacharynado · 2026-11-20