Samaya Sterling 发布，面向高难度金融研究并超越前沿模型

隆重推出 Samaya Sterling，这是我们新推出的模型，经过后训练，专为高难度金融研究打造，性能超越前沿模型！Sterling 最初源于一项两人参与的研究，旨在探索我们能否提升智能体编排的效率。令我们惊讶的是，我们成功对一个小得多的模型（Nemotron 3.5 Lightning，一款拥有 30B 混合专家（MoE）参数、其中 3B 参数处于激活状态的模型）进行后训练，使其在 FrontierFinance 上的准确率更高（58.9% 对 55.9%），成本也降至 Claude Fable 5.1 的十一分之一（0.61 美元对 6.89 美元）；Claude Fable 5.1 是目前表现最佳的前沿模型。

我们通过四阶段训练流程实现了这一目标。前两个阶段是 SFT，模型首先学习使用我们的金融工具开展研究，以及如何构建出色的智能体研究策略。后两个阶段是 RL，包括一个离线 GRPO 阶段，模型从八位教师模型提供的多样化方法中进一步打磨研究策略；以及一个在线 GRPO 阶段，模型可以进行端到端尝试，并从错误中学习。

我们看到，通过后训练实现模型与运行框架的协同适配带来了显著提升：一方面，模型学会有效使用高质量金融工具；另一方面，更好的上下文压缩方法让小型模型也能开展更长、更深入的研究。

我们正在探索多个后续方向，包括使用这款小模型组建多智能体研究集群、训练具备公司专属判断力的模型，以及训练更大的模型；早期结果表明，训练过程带来了更大的提升。

完整研究内容链接如下！