Nvidia 详细介绍了其 Nemotron 3.5 Super 模型在专家构建任务上进行强化学习后训练的性能改进。该模型,特别是其拥有 12B 激活参数 LoRA 适配器的 120B 参数版本,在 IFBench、GDP_pdf、SWE-bench Pro V2 和 Chartography 等多个基准测试中取得了显著的提升。这些改进是通过在专注于软件工程、复杂约束、长时域工具使用、图表理解和企业文档推理的数据集上训练适配器来实现的,展示了在数据检索、测试文件生成和文档分析等方面的能力增强。 AI
影响 通过强化学习在专业任务中展示出改进的性能,可能指导未来的模型开发。
排序理由 介绍模型训练和基准测试结果的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- AutomationBench
- Chartography
- CISPO
- Hugging Face
- IFBench
- MultiChallenge
- Nemotron 3.5 Super
- Nvidia
- Surge AI
- SWE-bench Pro V2
- Terminal-Bench 2.1
- Tinker
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →