QuantCode：领域预训练+SFT 让开源模型交易代码通过率翻倍
Alexey Chernysh · hf · 2026-10-06
Alexey Chernysh 研究如何让 LLM 生成可执行的量化交易代码（Backtrader 框架），并发布 400 任务的 QuantCode-Bench。主要发现：- 继续预训练使 Qwen3.5-397B-A17B 单轮 Judge Pass 从 41.5% 升至 47.5%，Qwen3.6-35B-A3B 从 27.8% 升至 33.0%；- 继续预训练后再做 SFT（agent 校验的请求-代码对）效果最佳：Qwen3.6-35B-A3B 达 58.2% Judge Pass、83.5% 回测成功；智能体评估中首轮成功率 22.3%→58.3%，10 轮内最终成功 47.5%→79.5%；- 单独继续预训练会提升首轮成功率但降低修复后最终成功（47.5%→32.5%），说明指令遵循退化；- 发现能力遗忘问题：领域特化损害结构化工具调用，针对性恢复 SFT 能修复格式但无法恢复仓库级 agent 性能。
「模型」频道最新
- Bindu Reddy:简单任务上中国开源模型碾压美国前沿实验室 — bindureddy · 2026-10-06
- GLiDE 登顶 Decision Index 引争议:HF 研究员质疑靠推理刷分不公平 — antoine_chaffin · 2026-10-06
- ChatGPT 设置新增终身用量统计，用户可在个人资料页查看 — Bpelks · 2026-10-06
- Falcon-Emirati:让 LLM 学会阿拉伯方言、文化与语境细节 — Hugging Face Blog · 2026-10-06
- Reddit 用户质疑：DeepSeek 4.1 Flash 与 Qwen3-Coder 的火爆名不副实？ — soft_troll · 2026-10-06
- 爆料：Grok 网页版将上线团队共享 Bots 功能 — nima_owji · 2026-10-06