Pistis 技术报告
事件
Pistis 模型家族正式发布，包含 270 亿参数和 90 亿参数两个多模态大语言模型，分别基于 Qwen3.6 和 Qwen3.5 构建，通过一套通用且可扩展的后训练框架开发。该框架先以大规模多模态监督微调（SFT）打下基础，再在此基础上提出交错蒸馏与强化学习（IDRL）这一新范式。
IDRL 的核心是在同一训练循环中紧密整合同策略蒸馏与强化学习，让两个目标交替优化，而非单独优化或静态联合损失。这样做能实现更有效的知识迁移、更高的优化稳定性，以及面向长程智能体轨迹更精确的信用分配，从而在缓解常见能力权衡的同时提升性能。两个规模下均产出两个专用变体：Pistis-Thinking 强化深度多模态推理，Pistis-Agentic 额外引入智能体轨迹数据，支持长程规划、迭代推理与工具调用，在多模态搜索上表现尤为突出，且两个规模均优于各自基座模型。
除参数层面优化外，团队还提出 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。实验表明，PAH 在不更新模型参数、不增加交互预算的前提下即可提升模型表现，为智能体落地提供了低成本增益路径。
来源
本条目由采集管线自动抓取并发布，完整内容见下方来源链接。
*采集源：arXiv cs.AI*