研究與模型 2026年10月22日

趨勢 · 預印本 10 月 17 日

Snowflake 訓小模型解題率 62.0%。單篇自報

Snowflake AI Research 的 Arctic-SWE 不加新演算法，把 40 億參數的 Qwen3.5-4B 訓到程式評測 SWE-bench Verified 解題率 62.0%，比作者自量的對照組 FrogNano 高 0.5 個百分點，論文自報。 SWE-bench Verified 是修真實 GitHub 問題的程式能力評測。作者寫「On raw R2E-Gym data, without new algorithms or data work, Arctic-SWE trains Qwen3.5-4B to 62.0% pass@1 on SWE-bench Verified」（arXiv 2610.24914，2026-10-17）。pass@1 是每題只試一次的解題率。R2E-Gym 是既有的公開訓練環境。對照組是同樣用線上任務合成的 FrogNano，分數 61.5%。兩者分數只差 0.5 個百分點，Arctic-SWE 用的訓練取樣次數約只有 FrogNano 的六分之一。篩選資料後 4B 模型的 Verified 分數到 65.0%。單篇自報，預印本 10 月 17 日才發表，獨立重做的結果不在本期資料範圍內。分數隨資料篩選與測試強度而變。本報的讀法：小模型在這項評測要再往上拿分，關鍵可能在強化學習系統與資料品質，不在演算法；現役最強模型在同一評測的分數，本則沒有比較。