先了解这件事
Cognition 发布编码模型 SWE-2,基于 2.8T 参数的 Kimi K3 后训练,在 FrontierCode 1.1 Main 取得 50.0%,仅比 Fable 5.1 低不到一分且成本低 64%。官方公开了 SWE-2 的训练方法,包括单次 RL 训练中按各推理努力等级设置线性成本惩罚、长度加权奖励基线、RL rollout 服务优化与数据改进等,读者可借此理解如何用强化学习推移整条成本性能前沿。
最新进展
Cognition 发布 SWE-2:基于 Kimi K3 后训练的编码模型,以低 64% 的成本接近 Fable 5.1
事件进展1
SWE-2 在 FrontierCode 1.1 Main1 上取得 50.0%,距 Fable 5.1 不到一分,同时成本低 64%
Cognition 模型 / Devin 博客:Cognition 发布 SWE-2 编码模型,以更低成本逼近前沿