IQuest-Q1发布：320B稀疏MoE模型可揪RL训练Bug、Prompt直出游戏
原标题：精准揪出RL训练数据Bug，Prompt直出小游戏，IQuest-Q1夯爆了！
AI 摘要
至知创新研究院IQuest Research发布IQuest-Q1模型，采用decoder-only Transformer主干和稀疏MoE架构，总参数约320B、激活参数约15B。该模型在NL2Repo、CyberGym、Terminal-Bench 2.1、DeepSWE v1.1、JobBench等基准测试中表现不俗，实测中可凭Prompt生成HTML小游戏，并成功定位RL训练中因推理服务文本解码多插入一个空格导致的Reward曲线异常故障。团队此前还提出MuonH优化、UBio-MolFM、稀疏权重分解及ModularRSI自进化框架等研究成果。
正文节选
精准揪出RL训练数据Bug，Prompt直出小游戏，IQuest-Q1夯爆了！ 文婷 发自 凹非寺 量子位 | 公众号QbitAI 别眨眼。 星空下，一辆白橙色的反重力赛车如利刃出鞘，猛地切进弯道，丝滑拐弯，在赛道上拖拽出一道道冰蓝光带，溅起金黄色的摩擦星火，直至冲线。 这可不是好莱坞特技大片，而是我用IQuest-Q1模型搓出来的沉浸式反重力竞速游戏。 它既能凭一句Prompt原地打造一款炫酷游戏，也能把十万步三体方程解成克林姆特笔下流淌的金色丝线，甚至还能从RL训练数据里揪出隐藏空格bug，让模型重回训练正轨。 △数值求解三体问题运动方程实测（10万步以内） 从Benchmark的表现来看，IQuest-Q1也交出了一份相当能打的成绩单。 它在仓库级代码生成NL2Repo、网络安全基准CyberGym、终端Terminal-Bench 2.1、代码长程任务DeepSWE v1.1、办公场景JobBench等复杂任务评测中均表现不俗。 这么看，在同参数量模型中，它的表现是相当可圈可点的。 那么IQuest-Q1究竟是一款怎样的模型？它具体能帮我们做些什么？它诞生的研究土壤是怎样的？