[CL]《GLM-4.5: Agentic, Reasoning, and Coding (ARC) Foundation Models》A Zeng, X Lv, Q Zheng, Z Hou... [Zhipu AI & Tsinghua University] (2025)
GLM-4.5，355亿激活参数的大规模混合专家（MoE）开源模型，展现了跨代理(agentic)、推理(reasoning)与编码(coding)的卓越能力。
• 双模式推理：支持深度思考与即时响应，适应复杂多步任务与快速交互需求。
• 多阶段训练：23万亿token大规模预训练，结合专家模型迭代和强化学习，显著提升任务表现。
• 领先成绩：TAU-Bench得分70.1%，AIME 24达91.0%，SWE-bench Verified为64.2%，在全局排名第3，代理能力排名第2。
• 高效架构：355B参数中仅激活32B，参数量远低于多数竞争对手，性能却接近顶尖专有模型。
• 细粒度数据策略：网页、代码、数学与科学文档质量分层采样，专门设计多语言与代码预训练语料。
• 强化学习创新：采用难度分层课程学习，动态采样温度，端到端多轮工具调用RL，确保多任务高效训练。
• 灵活推理与工具调用：采用XML风格函数调用模板，减少代码转义负担，提高工具调用准确性与鲁棒性。
• 实际应用评测：真实软件开发任务(CC-Bench)中优于多款开源与闭源模型，工具调用成功率达90.6%。
• 跨语言与安全性：具备语义深度理解与文化背景推断能力，安全性能高，涵盖伦理、心理健康等多维度。
• 资源开放：模型权重及评测工具开源，助力全球AI研究与应用发展。
详细信息👉
模型👉 huggingface.co/zai-org/GLM-4.5
人工智能大语言模型混合专家模型强化学习自然语言处理开源AI
