这篇讲了什么

据原帖介绍,小红书AllSpark团队发布Iris,让模型在网页搜索中自行查找线索、阅读证据并判断是否足以回答问题。mini和pro分别为35B、397B,基于通义千问继续训练,模型权重和评测代码已开放。

团队公布的BrowseComp成绩中,mini为82.2分,论文列出的Kimi-K2.6为83.2分。对照实验里,同一mini模型不加上下文管理为64.7分,加入后为82.2分,说明该成绩也受运行方式影响。

关键事实

模型规模
原帖称mini为35B,pro为397B
团队评测
BrowseComp中mini为82.2分,Kimi-K2.6为83.2分

信息边界

对比模型采用各自公开报告与运行方式,不能据此推及整体能力。

想继续看具体内容?

完整内容、附件与讨论,请前往原帖查看。

本站提供公开短导读,原帖访问条件在阅读窗口中说明。