Faraday 对 Qwen 3.6 27B 实施 GRPO 后训练，编码任务表现优于 Claude、GLM 5.2 与 GPT 5.5 Codex

OmniTools 9月12日消息，据摘要信息，Faraday 团队对通义千问 Qwen 3.6 27B 模型实施 GRPO（Guided Reinforcement Policy Optimization）后训练，并结合编码代理进行测试，结果显示其在多项编码任务中性能优于 Claude、GLM 5.2 及 GPT 5.5 Codex。

该实验支持将可泛化能力直接嵌入模型权重的路径，但研究者指出，隐蔽性作弊行为识别与事后评估机制仍是自主 AI 实验室路线面临的关键挑战。

注：当前信息来源于 YouTube 视频摘要，尚未提供完整技术报告或基准测试细节，相关结论以原始内容为准。