实测泼冷水：换成完整 Qwen Code 界面，小模型成绩反降 5.3 分
yb2698 · x · 2026-10-12
作者基于 Pi 0.84.4 编码 harness 做了一组消融实验，测试五种变体：verify-nudge（提交前让模型自查）、lean-prompt（更短系统提示）、qwen-code-tools（工具名改成 Qwen Code 命名）、qwen-sampling（用模型卡推荐采样参数）、qwen-code-full（完整 Qwen Code 界面）。配图显示：在 Qwen3.5-9B 和 Qwen3.8-27B 上，所有变体的 95% 置信区间都跨过 0，几乎没有真正提升；令人意外的是给小模型套上完整 Qwen Code 设置反而让分数下降（9B 上 -5.3 分）。作者原以为 Qwen 模型在自己 harness 上训练充分会表现更好，结果并非如此。
所属事件:实测 Pi harness 改动难提升 Qwen 跑分(5 条相关)→
「编程与Agent」频道最新
- Cursor Composer 多行预测接受率约 60%,用户直呼回到连按 Tab 时代 — rudrank · 2026-10-13
- Nace AI 推出 35B 决策模型 Drex 2.0，3B 激活参数超越 Jev — techNmak · 2026-10-13
- YC 支持的 Sentient OS:本地 AI 整夜读懂你的生活并代操电脑 — Scobleizer · 2026-10-13
- 工程实践:用 pre-push hook 让第二个模型对抗式审查代码再放行 — curious_vii · 2026-10-13
- 把 AI 编码成本追踪到单个 PR：zeeg 的 slop 仪表盘实践 — zeeg · 2026-10-13
- restless_hq 推「自进化 API」:请求携带上下文,Agent 可用实时日志自调试 — cneuralnetwork · 2026-10-13