FINAL-Bench 放出 Darwin-180B-RSI：只从自己验证过的解里学，180B 权重开放
FINAL-Bench 在 Hugging Face 放出 Darwin-180B-RSI 的开放权重：仓库建仓 2026-09-28T03:15:04Z（北京时间 11:15），131 个 safetensors 分片合计约 360 GB，母模型是 Qwen 官方 8 月 24 日建仓的 Qwen3.8-Flash-Next；卡片标称 180B 稀疏 MoE、262K 上下文、支持图文输入，许可证为 qwen-community-1.0。
这一代把 RSI（递归自我改进）做进了权重，而不是做进提示词：模型先解自己没在评测里见过的练习题，答案用可验证参考（答案键、可执行检查）自动判对，只把判对的推理重新拿去训练自己，循环往复；练习集与它对外报告的每个评测集都做过 8-gram 重叠过滤。官方给的对照是 MMLU-Pro 平均推理长度从 4,320 token 降到 3,833（−11%），准确率 88.04%→88.12%，即同精度但推理更短。卡片明确区分 model-level RSI 与 harness-level RSI——后者改的是模型外围的提示词、工具与流程（文中点名 Google 的 RRSI），官方把前者比作「员工自己变聪明」。
边界写在卡片里：所有成绩都是自测，model-index 里的条目标着 verified: false，多数投票项每道题取多个样本；随模型一起发布的零 Token 置信度（ZTC）探针是在训练数据之外的保留集上拟合的，官方自评 AUROC 0.64，并声明这只是「粗糙的路由与复核信号，不是正确性保证」，后续会用更多数据重训替代。
核验记录
日期取自 HF API：FINAL-Bench/Darwin-180B-RSI createdAt 2026-09-28T03:15:04Z、lastModified 2026-09-30T03:22:26Z；模型卡内无任何官方发布日字段，故 date 用仓库建仓时间（R21 降级链第 ③ 层），非厂商公告日。权重存在性经 ?blobs=true 核对：131 个 safetensors 分片、合计 360,000,192,888 字节、另含 handler.py 与 ztc 探针文件。全部数字（88.04/88.12、4,320/3,833、AUROC 0.64、8-gram 过滤）逐项取自卡片正文（21,721 字节，全文读过）。母模型 Qwen/Qwen3.8-Flash-Next createdAt 2026-08-24 已核。未找到该模型的第三方评测或论文，成绩均为自测，故置信度记中高。配图 HF 社交缩略图裸请求与带 Referer 双测均 200 / 416,671 字节 PNG 1200×648。
← 上一篇404 Media 查微软 Copilot 人工评级链：外包能看到用户原图、原始提示词与编辑结果下一篇 →英国 AISI 红队：关掉防护栏后，GPT-6 Astra 在 29.2% 的模拟里自己打供应链