Samaya 发 Sterling：30B 模型后训练，金融研究 benchmark 超 Claude Fable 5.1
Samaya AI 发布 Sterling：一个基于 NVIDIA Nemotron 3.5 Lightning（30B MoE、3B 激活）的后训练模型，专门做金融研究。在 Samaya 自建的 FrontierFinance benchmark（220 道公开题）上，Sterling 得 58.9%，超过 Claude Fable 5.1 的 55.9%，而单题成本 $0.61 对 $6.89——11 倍差距。
训练分四阶段：两轮监督微调（先学用金融工具做研究、再学研究策略与可引用回答聚合，从 8 个不同教师模型学），再两轮强化学习（先离线 GRPO 进一步提升研究策略，再在线 GRPO 从端到端尝试中学习纠错）。过程中模型与 harness 协同适配：harness 提供金融专用工具与上下文压缩（condenser 缩短工具结果、compactor 总结轨迹），让 3B 激活的小模型也能 sustained long research。训练让基础模型从 42.5% 提升到 58.9%，研究深度中位工具调用数从 3 升到 17。
Sterling 是 LoRA 后训练，跑在 Samaya 的金融研究 harness 里，研究与报告生成分离。高难度题上从 31.8% 提到 45.2%。Samaya 同时指出这是窄域结果：benchmark 与模型均由 Samaya 构建，无独立复现，无权重或 API 公开。但方法论本身——小模型 + harness 协同后训练在专业域超前沿——值得记录。
原文链接：Samaya AI 官方博客
核验记录
官方博客 samaya.ai/blog/rl-post-trained-agentic-model 直读（2026-10-28），作者 Ozan Koyluoglu 等，12 分钟阅读；FrontierFinance 220 题 58.9% vs Fable 5.1 55.9%、$0.61 vs $6.89、30B/3B MoE、四阶段训练（两 SFT + 两 RL）、8 个教师模型、LoRA on Tinker 均取自该页正文与图表。MarkTechPost 10-30 转述交叉。无独立复现，无权重/API 公开，benchmark 由 Samaya 自建——已在正文写明。配图未设（官方页无直接可用 og:image）。发布日 10-28 由官方博客 datePublished 与 MarkTechPost 报道日期交叉。
← 上一篇NVIDIA 开源 Nemotron 3.5 Transcribe：40 语种转写，说话人分离+翻译+问答一体下一篇 →Cartesia 用字节级 H-Net 做缩放律：同算力比 BPE 高 1.3 倍