Cognition lancar model pengekodan SWE-2, hampiri barisan hadapan dengan kos lebih rendah
Ringkasan AI
Cognition melancarkan model pengekodan SWE-2, dilatih lanjut berdasarkan Kimi K3 dengan 2.8T parameter, memperoleh 50.0% dalam FrontierCode 1.1 Main, hanya kurang satu mata berbanding Fable 5.1 dan kos 64% lebih rendah. Pihak rasmi mendedahkan kaedah latihan SWE-2, termasuk penalti kos linear mengikut tahap usaha penaakulan dalam latihan RL tunggal, garis dasar ganjaran berwajaran panjang, pengoptimuman perkhidmatan rollout RL dan penambahbaikan data, membolehkan pembaca memahami cara menggunakan pembelajaran pengukuhan untuk menggerakkan keseluruhan barisan hadapan kos-prestasi.
Maklumat penting
- Cognition melancarkan model pengekodan SWE-2,dilatih lanjut berdasarkan Kimi K3 dengan 2.
- 8T parameter,memperoleh 50.
- 0% dalam FrontierCode 1.
- 1 Main,hanya kurang satu mata berbanding Fable 5.
- 1 dan kos 64% lebih rendah.
Sekilas pandang
- Diterbitkan pada
- Dikemas kini pada
- Sumber
- Cognition 模型 / Devin 博客(网页)
- Kategori
- Pelancaran Model
- Skor AI
- 70
官方详细公开了 SWE-2 的训练方法与成本惩罚公式,读者可以借此理解如何用 RL 推移整条成本性能前沿。
Entiti Berkaitan
Sumber dan hak cipta
Artikel ini disusun berdasarkan tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.
Cara memetik
Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.
Orange News: Cognition lancar model pengekodan SWE-2, hampiri barisan hadapan dengan kos lebih rendah. 10 September 2026. https://new.nat6.net/ms/news/cmtym40hx0004roske1zgdkmu/