待验证50% 置信基准精确时间

Dory 在 AA-Omniscience 基准上从 1 次循环到 4 次循环得分几乎不变（10.03、10.08、10.03），在 GPQA Diamond 和 HLE 上均落后于 Qwen3.5-4B。

1

来源数

50%

置信度

短期 (~14 天)

时效性

2026/10/18

首次发现

有效期至：2026/11/1

来源

NVIDIA Nemotron Dory 4B 本地部署指南：循环架构与 llama.cpp PR 尝鲜

涉及实体

Nemotron Labs Dory 1.0model Qwen3.5-4Bmodel AA-Omnisciencebenchmark GPQA Diamondbenchmark HLEbenchmark

相关事实

待验证Qwen3.8-27B在Terminal Bench、GPQA Diamond、HLE测试中均落后于Claude Opus 4.6（分别为73 vs 78.2、89.2 vs 91.3、30.8 vs 40）72% 相似待验证Dory 在 SWE-bench Verified 上获得 61.8 分（4 次循环，NVIDIA 自测），Qwen3.5-9B 得分为 61 分。69% 相似待验证Dory 在 IFBench 上领先 Qwen3.5-4B 超过 20 分（79 vs 53.83，4 次循环）。68% 相似待验证在 GPQA-Diamond xhigh 测试中，基座 Qwen3.8-27B 达 88.4% 准确率消耗 6,642 中位 token，Swift 保持 88.3% 准确率但 token 降至 2,77166% 相似待验证来自Google QAT检查点的int4构建在Gemma 4 E2B上精度仅比bf16低不到0.5个点（0.678 vs 0.683），而从bf16直接round出的int8构建掉了1.3个点。64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1063740

API

curl https://kongchang.com/api/v1/knowledge/claims/1063740

MCP

get_claim(id=1063740)