
Alpie Seed 9B 模型卡披露基于 Qwen3.5-9B(在新窗口打开)
169Pi 发布的模型卡列出千问底座、量化和后训练方案。文章对比发布文案与模型资料,并讨论使用不同来源成绩做横向比较的限制。
共 219 篇

169Pi 发布的模型卡列出千问底座、量化和后训练方案。文章对比发布文案与模型资料,并讨论使用不同来源成绩做横向比较的限制。

无涯智远比较了 Qwen3.5-0.8B 改权重与关闭思考的数学成绩,又用少量样本测试知识、风格和技能内化。文章讨论权重编辑可解决的不同问题。

spaCy 作者 Matthew Honnibal 区分了两类实验:小型网络任务直接输入原始权重,Qwen 数学修复则允许 Python 和前向测试。他肯定工具辅助编辑的结果,同时质疑把两类条件合并表述。

研究者让 GPT-6 Astra 分析神经网络权重并生成修改方案。在Qwen3.5-0.8B的特定采样设置下,50次前向调用预算的方案使MATH-500得分从7.9%升至48.1%。实验省去了目标模型的梯度更新,仍需要诊断、推理和评测计算。

LeCun 与合作者研究 Good-View JEPA 如何学习不同模态的共同表征。在特定对齐评测中,109M文本编码器超过Qwen2.5-72B;同规模比较也显示样本效率提升。理论证明依赖理想化条件,结果不能推及通用推理或编程能力。

Apex-35B-V1.0 基于 Qwen3.6-35B-A3B 进行中训练和后训练,面向编程、智能体及研究任务。超衍智能介绍其自动化研究系统如何参与数据构造、训练方案和算力优化,并公布多项评测与仿真案例;这些团队报告的结果仍需要结合评测设置和独立复现判断。

多轮对话、多智能体交互过程,大模型生存性威胁会被放大。

王琰在 TraceForge 技术报告中提出用同族模型合成原生思维链,在 Qwen3.5-9B-Base 实验中超过直接蒸馏 Claude Fable 5 思维链的方案,动摇闭源模型以隐藏思维链构筑的能力护城河。

阿里千问联合俄亥俄州立大学提出TRACE,以Rollout侧FP4量化结果引导训练侧舍入,在四个Qwen MoE模型上保持接近BF16的性能,并使128K输出解码吞吐最高提升5.4倍。

AI需求挤压消费级内存产能并推高PC成本,技嘉通过BIOS更新让B760、H610及DDR4平台继续支持英特尔LGA1700新处理器,开源项目Strata则让消费级电脑本地运行1250亿参数的Qwen3.8-Flash-Next成为可能。