dppo

Ai2发布了Tmax-27B，一个基于Qwen3.6-27B并使用DPPO（RL）训练的终端Agent大语言模型。作者提供了经重要性矩阵校准的GGUF量化版本，即使在极低的比特宽度下也能在Agent基准测试中取得有竞争力的性能，并且移植了MTP草案头用于推测解码。