Qwen3.6-27B

2026-10-19

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Статья на arXiv: обратная связь проверяющего одновременно помогает и мешает самовосстановлению в формальных доказательствах

Новая статья на arXiv (arXiv:2610.22698v1) исследует самовосстановление с обратной связью проверяющего в системе доказательств Lean на моделях Qwen3.6-27B и DeepSeek-Prover-V2-7B на задачах MiniF2F. Авторы обнаружили, что показ неудачного доказательства часто снижает успех и усиливает копирование ошибки, тогда как для Qwen показ сообщения компилятора иногда восстанавливает результаты; при этом ни одна проверенная стратегия обратной связи не превосходит простое повторное пробование с инструкцией при равных токен-бюджетах.

6.0

2026-10-15

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

ClawLoop: платформа для самосовершенствующихся LLM-агентов в хабе (arXiv:2610.14118v1)

Препринт arXiv:2610.14118v1 предлагает ClawLoop — замкнутый цикл обучения для LLM-агентов в «хабе», который итеративно синтезирует задания, обучает агентa (SFT/ RL) и анализирует ошибки для генерации данных следующего раунда без внешнего учителя. С использованием Qwen3.6-27B в качестве модели цикла авторы демонстрируют стабильные улучшения в SkillsBench, Claw-Eval-Live и ClawGym-Bench и показывают, что сгенерированные задачи переносят выгоды на меньшие модели Qwen3.5 4B и 9B.

7.0

2026-10-12

RESEARCH · 1 ИСТОЧН. · The Decoder

Sakana AI и UC Berkeley: один LLM самосовершенствуется с помощью MASS, но внутренний оценщик может закреплять слепые зоны

Исследователи из Sakana AI и UC Berkeley представили Multi-Agent Self-Supervision (MASS) — метод, при котором одна языковая модель запускает копии себя в роли субагентов для решения задач, оценки результатов и оптимизации рабочих потоков. На базе Qwen3.6-27B метод повысил выигрышные показатели до ~70% после двух раундов на ряде бенчмарков, но общие слепые зоны самопроверки иногда принимают ошибочные решения и закрепляют ошибки в следующем цикле обучения.

7.0

2026-10-09

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

On the Clock: Агентам LLM можно обеспечить соблюдение временного бюджета, но они плохо используют дополнительное время

В препринте arXiv:2610.10833v1 («On the Clock») изучается, могут ли небольшие LLM‑агенты (Qwen3.6‑27B и Qwen3‑4B) соблюсти заданный по часам временной бюджет и использовать дополнительное время для улучшения результата. Авторы проверяют механизмы хранилища (harness) с информацией о времени и принудительными дедлайнами, а также бюджет‑чувствительный RL (GRPO) на задачах MLE‑Bench Lite и Zork I (Jericho): передача информации о времени через хранилище улучшает соблюдение бюджета, GRPO достигает почти идеального соблюдения и обобщается на невидимые бюджеты в Zork I, но агенты по‑прежнему не используют дополнительное время для улучшения производительности и нередко повторяют действия или сводят стратегию к краткосрочной.

6.0

2026-10-02

COMPANIES · 1 ИСТОЧН. · AWS Machine Learning

Amazon SageMaker AI демонстрирует дообучение поисковых агентов с помощью многошагового RL (MTRL) на Qwen3.6-27B

В публикации Amazon описывает использование возможностей многошагового обучения с подкреплением (MTRL) в Amazon SageMaker AI для дообучения модели Qwen3.6-27B под поискового агента. Статья перечисляет возможности MTRL — бессерверное выполнение, модульный интерфейс агент–окружение, асинхронные роллауты, встроенные алгоритмы (PPO, CISPO, IS), наблюдаемость траекторий через MLflow и задачи оценки — и показывает пример с BM25 и векторным поиском для корпоративного поиска.

6.0

2026-09-16

MODELS · 1 ИСТОЧН. · NVIDIA Developer

TensorRT Edge-LLM запустил Qwen3.6-27B на Jetson AGX Thor и выполнил MLPerf Edge Agentic в 6.4× быстрее

TensorRT Edge-LLM от NVIDIA запустил Qwen3.6-27B на одном Jetson AGX Thor Developer Kit и показал 52.33 токена/с в тесте MLPerf Inference v6.1 Edge Agentic, завершив 1 007 ходов за 24 мин 36 с — в 6.4× быстрее, чем эталонный запуск llama.cpp на Jetson (2 ч 37 м). В решении использованы квантование NVFP4 для весов/активаций, FP8 для KV-кеша, древовидная многотоковая предсказательная декодировка и повторное использование KV-кеша.

7.0