GEEK HAUS

요약·해설: 긱하우스 편집팀. 편집 책임: 장진호 대표

피드로 돌아가기

RadixArk, 강화학습 모델 DaisyRose-27B 공개…Terminal-Bench 4.1 점수 12%

·Hugging Face Blog
원문 보기 ↗

긱하우스 편집팀 · 출처와 편집 원칙

편집자 요약

RadixArk가 Qwen3.8-27B를 기반으로 강화학습한 DaisyRose-27B를 공개했습니다. 144대의 H200 GPU로 18일간 학습했으며, Terminal-Bench 4.1의 pass@1 점수는 원본 모델의 5.6%에서 12.0%로 상승했습니다. 가중치는 Apache 2.0 라이선스로 공개됐고, 모델은 256K 토큰 문맥 길이와 기존 아키텍처를 유지합니다.

해설

이번 결과는 장시간 에이전트 작업에 맞춘 선별 데이터와 비동기 학습 방식이 성능 개선에 기여할 수 있음을 보여줍니다. 개발팀은 공개된 체크포인트와 Miles를 활용해 자체 작업에서 재현성을 확인할 수 있지만, 벤치마크 점수는 BF16·FP8 실행 중 높은 값을 기준으로 했고, 실제 운영 환경의 비용과 성능은 추론 설정 및 작업 유형에 따라 달라질 수 있습니다.

댓글

토론