Tether AI Research 发布 0.8B 参数的端侧个人助手模型 BotPsy，基于 Qwen3.5-0.8B 经四阶段后训练强化工具调用。相比基座，BFCL v4 从 23.4 升到 44.0、ACEBench 从 30.1 升到 58.7、τ-bench 从 23.2 升到 51.5；在六项工具调用与智能体基准中五项领先，仅 Claw-Eval 落后于 2.5 倍大的 Qwen3.5-2B-Think。
语言模型改进语言模型时，判断哪条改动值得试一直靠昂贵训练实验来验证。LM2LM把冻结的大模型当作“研究世界模型”，用真实实验记录在上下文中预测改动收益，作为强化学习奖励，并定期执行当前策略高分提案、把实测结果补回记录。在八个自回归与扩散语言模型开发环境上，Qwen3.8-27B经此训练后在留出任务上超过GPT-6-sol，即使后者上下文中带有300条真实实验记录，且数据生成成本低约33%。
该工作研究大语言模型全流程FP8强化学习的训练稳定性，指出复合FP8量化噪声会扭曲重要性比值、使负优势token被过度下裁剪而梯度被错误置零，并提出Calibrated Clipping通过匹配BF16参考的下裁剪分位数并重新平衡上界来动态校准裁剪边界，在GRPO与DAPO、8B至32B模型和多种FP8缩放粒度上消除熵激增、恢复接近BF16的性能，同时训练吞吐最高可达BF16的1.5倍。
已读完全部报道