Sam Witteveen视频
MiniCPM5-2B: The Best Sub-Agent Model Yet?
8.5内容质量
可直接观看的视频资源打开原视频
TL;DR · AI 摘要
MiniCPM5-2B通过2.5B参数和RL2训练方法，在工具使用和代理功能上超越Qwen 3.5B，成为当前最优子代理模型。
核心要点
- MiniCPM5-2B参数量达2.5B，训练数据量提升至400B tokens
- RL2方法引入critic机制，显著提升模型推理能力
- 在SweetBench等基准测试中超越Qwen 3.5B模型
结构提纲
按章节快速跳转。
- §引言
介绍MiniCPM系列模型从1B到2B的升级背景
参数量从1B提升至2.5B，训练数据量翻倍
采用RL2方法，增加critic机制提升训练效果
- ·性能对比
在SweetBench等基准测试中超越Qwen 3.5B
- ›技术细节
SFT阶段使用400B deep thinking tokens数据
- §结论
MiniCPM5-2B成为当前最优子代理模型
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- MiniCPM5-2B模型升级
- 参数规模
- 1B → 2.5B
- 训练改进
- RL2方法
- 400B tokens数据
- 性能表现
- 超越Qwen 3.5B
- SweetBench基准测试
金句 / Highlights
值得收藏与分享的关键句。
MiniCPM5-2B使用400B deep thinking tokens数据，是1B模型的2倍
RL2方法通过引入critic机制，使模型在工具使用场景表现提升
在SweetBench等基准测试中，MiniCPM5-2B超越Qwen 3.5B模型
#MiniCPM5-2B#模型训练#RL2#AI代理