待验证60% 置信事实精确时间

Bonsai 2采用从Qwen3-27B架构出发以三值约束为目标的完整重新训练，而非对已有权重做后期量化（post-training quantization）

2

来源数

60%

置信度

长期有效

时效性

2026/10/4

首次发现

来源

Bonsai 2实测：27B模型压进6GB，98%性能是真的吗？

涉及实体

Bonsai 2model post-training quantizationconcept

相关事实

待验证Qwen3训练团队采用渐进式训练策略：先完成简单任务，然后扩大规模、引入多任务、再逐步增加任务难度67% 相似待验证Qwen3的训练后期大量使用了基于结果奖励的强化学习65% 相似待验证Mistral、Qwen 2.5等小参数高效模型证明参数量不是决定性能的唯一因素，训练数据质量和指令微调策略同样重要64% 相似待验证Qwen3.5实现了训推分离的强化学习框架，能支持数万亿Token的回放系统64% 相似待验证OpenAI的GPT-4o mini、Anthropic的Claude 3.5 Haiku等策略遵循'一次预训练、多次后训练'的成本摊薄逻辑64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/973435

API

curl https://kongchang.com/api/v1/knowledge/claims/973435

MCP

get_claim(id=973435)