본문으로 건너뛰기
HuggingFace헤드라인2026. 11. 19. 07:00
DaisyRose-27B: 사후 학습 효율성의 새로운 지평을 열다 대표 이미지

DaisyRose-27B: 사후 학습 효율성의 새로운 지평을 열다

원문 발행 2026. 11. 19. 04:54원문 언어 영어AI 한국어 번역Hugging Face Blog 원문 보기

요약

RadixArk가 Qwen3.8-27B를 기반으로 강화학습(RL)을 거친 새로운 모델 DaisyRose-27B를 공개했습니다. 이 모델은 최대 1M 토큰의 장기 에이전트 태스크로 훈련되어 추론 및 명령어 수행 능력을 크게 향상시켰습니다. 특히 Terminal-Bench 4.1에서 pass@1 성능이 5.6%에서 12.0%로 개선된 것이 주요 특징입니다.

핵심 포인트

  • Qwen3.8-27B 기반에 RL을 적용하여 장기 에이전트 태스크 능력을 강화함.
  • Terminal-Bench 4.1의 pass@1 성능이 5.6%에서 12.0%로 크게 향상됨.
  • 최대 1M 토큰 세션으로 훈련되었으며, 256K 컨텍스트 창을 유지함.
  • SGLang 및 DSpark speculative decoding과 함께 서비스하는 것이 권장됨.

AI 자동 생성 콘텐츠

본 콘텐츠는 Hugging Face Blog의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.

원문 바로가기
1

댓글

0