待验证50% 置信基准精确时间
在 HealthBench 上，使用 Rubricon 评分标准对 Qwen3.5-9B 进行后训练，性能比使用最强替代合成评分标准生成器 RRD 训练高出 4.5%。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/30
首次发现
有效期至：2027/1/28
来源
Rubricon：自动生成评分标准，提升LLM评估与训练效率
rss2026/10/28
涉及实体
相关事实
待验证从 Qwen3.8-27B 收集了 3189 条成功的 rollout 数据做监督微调（模仿学习），性能停滞在 47.5%，低于两次 RL 训练的成绩69% 相似待验证在 NL2RepoBench 基准上，QwenGyre 用 48 步把成绩从 52.5% 提升到 58.5%，端到端训练时间相比 Async 方案缩短约 44%。64% 相似待验证在 MedGUIDE 基准上，Qwen3-14B 骨干的 GUIDER 取得 82.5 加权准确率和 73.5 指南依从性。64% 相似待验证论文在 Qwen3-8B 上进行了 RL 实验，经过 40 个训练步，EnvSched 在 BFCL-v3、tau-Bench 和 ACEBench-Agent 三个基准上取得平均 48.81 的分数。63% 相似待验证使用 QLoRA 在 A100 和 RTX PRO 6000 上，Qwen3.5-35B-A3B 的训练速度最高可提升 4.1 倍，Qwen3-30B-A3B 最高提升 3.3 倍63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1114369API
curl https://kongchang.com/api/v1/knowledge/claims/1114369MCP
get_claim(id=1114369)