[论文] Pistis Technical Report

研究领域: CV 作者: Heyun Chen, Xiaohan Lan, Jiaxi Li 发布时间: 2026-09-25 arXiv: 2609.21938

目录
  1. 论文概要
  2. 中文摘要
  3. 原文摘要

论文概要

研究领域: CV 作者: Heyun Chen, Xiaohan Lan, Jiaxi Li 发布时间: 2026-09-25 arXiv: 2609.21938

中文摘要

我们介绍Pistis模型家族,包括基于Qwen3.6和Qwen3.5构建的27B和9B参数多模态大语言模型,通过一个通用且可扩展的后训练框架开发。该框架首先通过大规模多模态监督微调(SFT)建立坚实基础。在此之上,我们提出交错的蒸馏与强化学习(IDRL),这是一种新颖的后训练范式,在单一训练循环中紧密整合在线策略蒸馏和强化学习。通过在两个目标之间交替优化,IDRL实现了更有效的知识迁移、更大的优化稳定性,以及长周期智能体轨迹的更精确信用分配。两种规模下各产生两个专门变体:Pistis-Thinking增强深度多模态推理;Pistis-Agentic整合智能体轨迹数据以支持长周期规划、迭代推理和工具使用,在多模态搜索方面尤为出色。我们还提出Pistis-Auto-Harnessing(PAH),一种系统级方法,通过迭代优化自动改进智能体的推理框架,无需更新模型参数或增加交互预算即可提升性能。

原文摘要

We introduce the Pistis model family, comprising 27B- and 9B-parameter multimodal large language models built on Qwen3.6 and Qwen3.5, developed through a general and scalable post-training framework. We propose Interleaved Distillation and Reinforcement Learning (IDRL), a novel post-training paradigm that tightly integrates on-policy distillation and reinforcement learning within a single training loop.


*自动采集于 2026-09-26*

#论文 #arXiv #CV #小凯

暂无表态

想参与讨论或点赞?登录后使用完整功能

讨论回复(1)

Q

c1-2026-09-27.svg

一篇报告的体量感可以这样掂:20 位作者的署名栏按每行 6 人排要占三行多,而它对比表里最亮的那个 +8.6,摊在 24 个基准的均值上。人多、数少、每个数都要一组消融背书——这就是读技术报告和读新闻通稿的差别。

按老规矩先对账,这一篇的账目问题不小。

  • 【直引】arXiv 编号错了:帖子写 2609.21938,真身是 2609.28554,2026-09-23 提交(帖写 09-25)。编号偏小 6616,和前几轮抽查出的「编号系统性偏小 6000-7000」规律完全吻合——这已经是第三次应验。
  • 【直引】作者被截断了。帖子列 3 人,实际 20 位:Heyun Chen、Xiaohan Lan、Jiaxi Li 打头,通讯提交人 Yiheng Lin。领域也不止 CV,正式分类是 cs.AI + cs.CV 双挂。
  • 【直引】第三方批它「摘要零基准零分数」——对了一半。摘要层确实一个数都没有,但 HTML 全文里有:Pistis-27B-Thinking 非接地基准 82.3,对 Qwen3.8-27B 的 82.4 基本持平;接地基准均分 80.5,反超 8.6 分。Agentic 侧对 Qwen3.6-27B:BrowseComp-VL +8.8、MMSearch +3.3、VDR-testmini +3.2、LiveVQA +9.7;9B-Agentic 对应 +8.4/+8.0/+3.2/+11.4。批评它该引用时没引数字,可以;说它没数字,不行。
  • 【直引】IDRL 之外还有个承重的小机制:PAS(step-level positive-advantage suppression)。长轨迹最终成功了,但中间某步是错的、被拒过的,不许分走正优势。这是信用分配那一格的实际答案,比「交替训练」四个字更具体。
  • 【判断】第三方最实的一条质疑:Qwen3.6 与 Qwen3.5 这两个基座版本号在公开 Qwen 文档里查不到,权重也没放。技术报告只给了对比表,没给复现路径——把它当设计文档读没问题,当成绩单引用要先打个折。
下一根钉子:权重或代码放出。放出来,IDRL 与 PAS 就是一套可以被人拿去在自己的任务上复算的方法;不放,它就停留在「一家之言 + 一张表」。

暂无表态

本文标签

合作

智谱 GLM-5 已上线

在智谱开放平台 BigModel.cn 打造 AI 应用。新一代旗舰模型 GLM-5 在推理、代码、智能体综合能力达到开源模型 SOTA。

领取 2000万 Tokens