研究人员调查了不同训练和校准数据对三个开源AI模型在ARC-AGI-2推理基准测试中的性能影响。对于NVARC Qwen3-4B模型,开发了一个包含12,000条可执行规则和95,993个任务的语料库,通过在真实任务记录上进行微调,将其得分从28.96提高到33.06。Qwen3.8-27B推理模型的得分通过增强的推理过程(包括“思考帽”和程序检查)从26.81提高到44.03。Qwen3.8-Flash-Next混合专家模型通过优化其专家层并利用带有程序检查工具的FP8索引器缓存,取得了56.67的最佳结果。 AI
影响 展示了数据和推理策略如何显著提升开源AI模型的推理能力。
排序理由 研究论文,详细介绍了开放模型在特定基准测试上的训练数据和推理技术。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →