斯坦福與輝達開源Jev同類模型CLM-8B，最高快9倍

動察 Beating AI 快訊，史丹佛大學與 NVIDIA Research 研究人員開源 Jev 同類 System One 模型 CLM-8B，專門幫 Agent 快速做判斷和選擇。

CLM 和 Jev 做的是同一類事，都讓 Agent 跳過長文本生成，直接從幾個候選動作裡做選擇。CLM 的主要區別在底層架構：它把「當前狀態」和「候選動作」分開計算，固定動作可以提前算好反覆使用，因此在需要連續做決定的場景裡更快。官方測試中，CLM-8B 表現整體接近 Jev，最高將延遲壓低約 9 倍。

團隊還測試了 CLM 給 Coding Agent 挑答案的能力。Opus 5 和 Fable 5 先生成多份候選方案，再由微調後的 CLM 選出一份。DeepSWE 上，CLM 把 Opus 5 的單次成功率從 73.7% 提到 81.6%；Terminal-Bench 2.1 上，則從 84.0% 提到 87.6%。CLM 本身不寫程式碼，測的是它能否從現成方案裡挑出更好的一個。

CLM-8B 基於凍結的 Qwen3-8B，只額外訓練狀態和動作投影頭。訓練資料包括約 6000 萬組問答、3000 萬個困難負樣本和約 100 萬條 Agent 軌跡。程式碼和模型權重均已開放，採用 Apache 2.0 許可。

原文連結

發佈者對本文章的內容承擔全部責任
在投資加密貨幣前，請務必深入研究，理解相關風險，並謹慎評估自己的風險承受能力。不要因為短期高回報的誘惑而忽視潛在的重大損失。