Qwen3-8B
阿里巴巴Qwen3系列中8B参数规模的自回归语言模型，用于对比实验中作为自回归规划器基线
核心事实
时间轴 (近 90 天)
FlashMap 在 Qwen3-8B 上实现最高 6.14 倍的无损加速。
6.14x 是在 Qwen3-8B 这一具体模型上测得的最高加速比，报道中未给出跨模型、跨任务的完整曲线，应理解为特定配置下的峰值而非普适的端到端吞吐提升。
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。
当配置适当时，合并可以同时提升gpt-4.1-mini和Qwen3-8B两个模型的表现。
一项机制级诊断研究在五个数据集和两个模型（gpt-4.1-mini与Qwen3-8B）上，对合并时机和合并算子进行了九种配置的扫描。
在GEPA论文中，合并算子能提升gpt-4.1-mini的平均表现，但会降低Qwen3-8B的效果，这一不对称性此前缺乏解释。
在 Qwen3-8B 到 Qwen3-4B 的通信设置中，J-Comm 在七个基准上取得最高平均分。
在 Spider 结构化生成任务上，候选预算为 16 时，预取器覆盖了 Qwen3-8B 96.6% 的验证结果。
Qwen3-8B 应用 OmniSimulator 后平均得分提升 34.33%。
OrderMint 不依赖云端 API，AI 推理通过 Ollama 在本地运行 Qwen3-8B，模型不可用时有降级逻辑。
还有 40 条时间轴事件
全部知识事实 (20)
Qwen（通义千问）是阿里巴巴达摩院开源的系列大模型，覆盖从0.5B到72B的多种参数规模，支持多语言和多模态任务
80%已验证离策略蒸馏实验使用Qwen3 0.6B作为学生模型，Qwen3 4B作为教师模型
75%已验证对于一个 70 亿参数的模型，LoRA 通常只需训练不到 1% 的参数量，显存需求可降低 60% 以上
70%已验证Qwen3.8-27B采用开放权重和Apache 2.0许可证
65%待验证将 INT4 权重重新量化为 NF4 会使每个权重经历两次舍入，官方测得这会让 Qwen3-8B 的困惑度上升 1.6%
70%待验证6.14x 是在 Qwen3-8B 这一具体模型上测得的最高加速比，报道中未给出跨模型、跨任务的完整曲线，应理解为特定配置下的峰值而非普适的端到端吞吐提升。
50%待验证FlashMap 在 Qwen3-8B 上实现最高 6.14 倍的无损加速。
50%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。
50%待验证当配置适当时，合并可以同时提升gpt-4.1-mini和Qwen3-8B两个模型的表现。
50%待验证在GEPA论文中，合并算子能提升gpt-4.1-mini的平均表现，但会降低Qwen3-8B的效果，这一不对称性此前缺乏解释。
50%待验证在 Qwen3-8B 到 Qwen3-4B 的通信设置中，J-Comm 在七个基准上取得最高平均分。
50%待验证在 Spider 结构化生成任务上，候选预算为 16 时，预取器覆盖了 Qwen3-8B 96.6% 的验证结果。
50%待验证Qwen3-8B 应用 OmniSimulator 后平均得分提升 34.33%。
50%待验证OrderMint 不依赖云端 API，AI 推理通过 Ollama 在本地运行 Qwen3-8B，模型不可用时有降级逻辑。
50%待验证OrderMint 的技术栈为：前端 React + Vite，后端 Node.js + Express，数据库 better-sqlite3，AI 推理通过 Ollama 本地运行 Qwen3-8B 开放权重模型。
50%待验证开发者使用Qwen3-8B微调了一个名为Complexity Scorer的模型，给prompt打0.00到1.00的复杂度分数，用于LLM路由。
50%待验证在固定50条样本的评估集上，用50条数据微调的Qwen3-8B模型达到86%准确率，高于用2500条数据微调版本的76%。
50%待验证项目使用Tinker对Qwen3-8B进行监督微调。
50%待验证asmsense 模型采用 Qwen3-8B 作为基座模型，并通过 LoRA 进行微调。
50%待验证官方Qwen3-8B配置为36层、8个KV头、头维度128，滑动窗口注意力关闭；在缓存8192 token、每元素2字节、单序列条件下，KV缓存约为1.125 GiB。
50%