Salta al contenuto
GiornalAIo
Gazzetta quotidiana dell'intelligenza artificiale
Primo piano

DaisyRose-27B: un modello da 27 miliardi addestrato con RL su compiti da agente

Mostra che con pochi compiti curati si può migliorare molto un modello aperto per gli agenti.

DaisyRose-27B: un modello da 27 miliardi addestrato con RL su compiti da agente
Illustrazione generata con IA (FLUX.2 klein)

Hugging Face Blog. RadixArk ha pubblicato DaisyRose-27B, il suo primo modello, costruito su Qwen3.8-27B e addestrato con apprendimento per rinforzo su compiti di lunga durata, con sessioni fino a un milione di token. Sono bastati 1.200 compiti curati, 18 giorni e 144 GPU H200. Su Terminal-Bench 4.1 il modello passa dal 5,6% al 12,0% di successo al primo tentativo. Mantiene architettura, tokenizzatore e contesto da 256.000 token del modello di partenza.

Terminal-Bench 4.1: da 5,6% a 12,0%

18 novembre 2026Verificata 97/100Leggi su Hugging Face Blog

Leggi su Hugging Face Blog

Argomenti: Agenti di IA

A cura di Alessio Ascione. Sintesi scritta con l'aiuto di Claude a partire dal testo della fonte, che fa sempre fede: come nasce il giornale. Rettifiche o rimozioni: modulo.

Da leggere insieme