중요GeekNews
장시간 에이전트 작업에 RL 적용한 'DaisyRose-27B' 공개
Qwen3.8(큐원 3.8)-27B 기반, Terminal-Bench 2배 향상. 로컬 에이전트 구축 시 벤치마크 검증 가치.
요약
RadixArk가 공개한 DaisyRose-27B는 Qwen3.8-27B를 기반으로 장시간 에이전트 작업을 수행하도록 강화학습된 모델입니다. 해당 모델은 H200 GPU 144대를 사용하여 18일간 1,200개의 선별된 작업을 거쳐 학습되었습니다. 그 결과, Terminal-Bench 4.1 pass@1 성능이 기존 5.6%에서 12.0%로 두 배 이상 향상되었으며 추론과 코딩 등 다양한 벤치마크에서도 개선된 수치를 기록했습니다. 학습 데이터는 모델이 실제로 범하는 오류를 타겟팅하고 다단계 작업으로 구성되었으며, 보상 체계를 왜곡하는 요소는 제거하여 신뢰성을 높였습니다. Miles의 완전 비동기 학습 프레임워크를 활용해 Megatron 기반 오픈소스 학습 대비 효율성을 극대화한 것이 특징입니다.
AI가 원문을 요약한 내용으로, 부정확할 수 있습니다.
원문 제목 DaisyRose-27B - 장시간 에이전트 작업에 강화학습을 적용한 Qwen3.8-27B 기반 모델
원문 보기 ↗