RadixArk, Qwen3.8-27B 강화학습 모델 DaisyRose-27B 공개
RadixArk, 과제 1,200개 강화학습만으로 Qwen3.8-27B를 다듬은 DaisyRose-27B 공개 (feat. Miles)
·2026.11.20 19:30
핵심 내용
RadixArk가 Qwen3.8-27B를 강화학습으로 학습한 DaisyRose-27B를 Apache 2.0으로 공개했다.
자세히 보기
- 오픈소스 RL 프레임워크 Miles로 Qwen3.8-27B를 SFT 없이 강화학습만으로 학습한 DaisyRose-27B 공개
- 장기 에이전트 과제 1,200개, H200 144장, 18일 학습, 256K 컨텍스트 지원
- Terminal Bench 4.1 점수 12.0 기록했으나 측정 조건 차이로 순수 학습 효과로 보기 어려움
- SGLang과 DSpark 투기적 디코딩 조합 권장, 초안 모델 사용 시 H200 1장 기준 최대 3.16배 속도 향상(기반 모델 측정)
학습 및 벤치마크
- Qwen3.8-27B와 동일한 아키텍처 및 토크나이저 사용으로 기존 추론 환경 호환
- BF16 52GB, FP8 29GB, NVFP4 23GB 가중치 제공
- IFBench 82.4, SWE Bench Pro v2 94.7, GPQA Diamond 90.7 점수 획득
인프라 및 서빙
- Miles 완전 비동기 모드 사용, H200 128장은 추론, 16장은 학습 담당
- 초안 모델 Qwen3.8-27B-DSpark는 Qwen3.8-27B 기반 학습으로 DaisyRose-27B와 상이
- 초안 모델 라이선스가 'other'로 상업 사용 시 별도 확인 필요
이 한국어 요약은 AI가 자동으로 만들었습니다. 원문의 주장과 맥락은 원문에서 확인해 주세요. 저작권은 원저작자에게 있습니다.