Rohan Paul 谈 Qwen3.8-27B RL post-train 的智能体表现：幻觉率从 30.4% 降至 15.1%
Rohan Paul 观察到今年不少亮眼的 Agent 结果来自小开源模型的 post-train，其中用开源环境做 RL post-train 的 Qwen3.8-27B 在 AA-Omniscience 上的幻觉率从 30.4% 降至 15.1%。
Rohan Paul· @rohanpaul_ai · X·2026-10-20 22:08· 29 分钟前AI 评分56
AI 导读
Rohan Paul 观察到今年不少亮眼 Agent 结果来自小开源模型的 post-train。
正文 · 原文
今年一些最有趣的 Agent 成果，正来自小型开源模型的 post-train。
一个用开源环境训练的全新 RL post-train Qwen3.8-27B 模型，将 AA-Omniscience 上的幻觉率从 30.4% 降至 15.1%。
mla 版本的压缩副本能装进我单张 24 GB 的 RTX 4090，上下文长度约为 base Qwen 的 3.5 倍。
它在 DeepSWE 上击败 GPT 6 Luna-medium，位列 Luna 6 medium 与 high 之间。
在 Terminal-Bench 2.1 上得分更高，每个已解决任务的中位输出为 23.8K token，而 base Qwen 为 54.9K。
试用了该模型的一个未发布版本，真切感受到其相对智能密度，输出少了很多。
在 Terminal-Bench、τ³-bench、ClawEval 和 BFCL v4（Berkeley Function Calling Leaderboard）上超过 Muse Glimmer 30B 和 OpenAI 的 GPT-6 Luna（high），不过 Luna 仍以 53.1% 在 DeepSWE 上胜出。
他们还发布了 MLA 版本，即同一模型将其 16 个全注意力层转换为多头潜在注意力，使每个 token 占用的内存从 64 KiB 降至 18 KiB，从而单张 GPU 可容纳更多或更长的会话。
来源：Rohan Paul · x.com
来源：RadarAI · aihot.news