Pistis 技术报告

arXiv:2609.28554v1 公告类型：new 摘要：我们推出 Pistis 模型家族，包含基于 Qwen3.6 和 Qwen3.5 构建的 27B 和 9B 参数多模态大语言模型，二者均通过一套通用且可扩展的后训练框架开发而成。该框架首先通过大规模多模态监督微调（SFT）奠定坚实基础。在此 SFT 基础之上，我们提出交错蒸馏与强化学习（Interleaved Distillation and Reinforcement Learning, IDRL），这是一种全新的后训练范式，在单一训练回路中紧密整合 on-policy 蒸馏与强化学习。IDRL 通过在两个目标之间交替优化，而非孤立优化其中任一目标或以静态联合损失简单结合二者，实现了更有效的知识迁移、更高的优化稳定性，以及针对长周期 agentic 轨迹的更精确信用分配，从而在缓解常见能力权衡的同时带来更强的性能表现。在两个模型规模上，该框架均产出两个专用变体：Pistis-Thinking 旨在强化深度多模态推理能力；Pistis-Agentic 则额外引入 agentic 轨迹数据，以支持长周期规划、迭代推理和工具调用。Pistis-Agentic 在多模态搜索方面表现尤为突出。两个规模的模型均超越了对应的基础模型。在模型参数优化之外，我们进一步提出 Pistis-Auto-Harnessing（PAH），一种系统级方法，通过迭代优化自动改进 agent 的推理 harness。实验表明，PAH 无需更新模型参数或增加交互预算，即可提升模型性能。