模型
Qwen3.5-27B
阿里巴巴通义千问系列的27B参数版本模型，属于开源大语言模型
时间轴 (近 90 天)
10月17日
RL能让4B模型追近27B模型超过一半的差距，但收益有明确天花板。
待验证50%
10月17日
实验中4B模型训练前正确率约五成，27B模型达到七成五以上。
待验证50%
10月17日
仅使用约1000个‘有时做对、有时做错’的边缘任务训练大半天后，4B模型追回了与27B模型超过一半的差距。
待验证50%
10月17日
使用27B模型生成正确轨迹对4B模型进行蒸馏后，蒸馏模型解出了一些纯RL模型从未做对的题。
待验证50%
10月15日
有用户指出，英伟达550B参数的Nemotron 3 Ultra（6月发布）仅与2月发布的Qwen3.5-27B相当
待验证50%
9月11日
SMC的权威执行者模型（Authoritative Actor）是大型准确模型，负责生成最终采纳的执行轨迹，实验中使用Qwen3.5-27B INT4量化版本
待验证50%
全部知识事实 (6)
待验证
RL能让4B模型追近27B模型超过一半的差距，但收益有明确天花板。
50%待验证实验中4B模型训练前正确率约五成，27B模型达到七成五以上。
50%待验证仅使用约1000个‘有时做对、有时做错’的边缘任务训练大半天后，4B模型追回了与27B模型超过一半的差距。
50%待验证使用27B模型生成正确轨迹对4B模型进行蒸馏后，蒸馏模型解出了一些纯RL模型从未做对的题。
50%待验证有用户指出，英伟达550B参数的Nemotron 3 Ultra（6月发布）仅与2月发布的Qwen3.5-27B相当
50%待验证SMC的权威执行者模型（Authoritative Actor）是大型准确模型，负责生成最终采纳的执行轨迹，实验中使用Qwen3.5-27B INT4量化版本
50%