Beam 智能体微调 Qwen3.5-0.8B,工单决策准确率 4.7%→76.3%
ben_burtenshaw · x · 2026-10-16
Hugging Face 的 benburtenshaw 展示 Beam 智能体的微调演示:让它为一个代码库构建「决策模型」。
流程:Beam 自动生成合成的事故分诊(incident-triage)数据集,再用 Unsloth 微调 Qwen3.5-0.8B 作为决策模型。
结果对比:
- 完全匹配准确率:零样本提示 4.7% → 微调后 76.3%
- 单工单延迟:1218ms → 103ms,快约 11.9 倍
另一条相关演示中,Beam 在 ProgramBench(从二进制重建程序)上以相同 token 预算对比了单模型、5 个共享 git 仓库的 peer、lead+子智能体三种编排方式。
这是一个可复现的「大模型造数据+微调小模型」工作流示范。
所属事件:Beam 智能体微调 Qwen3.5-0.8B,工单决策准确率大幅跃升(2 条相关)→
「编程与Agent」频道最新
- 六大 Deep Research API 实测横评:能力边界、定价与选型建议 — bar_raiser333 · 2026-10-16
- Geoffrey Huntley 开源自托管 AI 开发平台 Overalls,11 月初纽约发布 — kieranklaassen · 2026-10-16
- 开发者晒 OpenAI 用量：200 天烧掉近 2000 亿 token — Dimillian · 2026-10-16
- 让 Claude 把改动直接开到 nvim 对应行,自己审代码更踏实 — max__drake · 2026-10-16
- x401 协议用 NIST 认证凭证给 AI 智能体做 KYC 身份验证 — csuwildcat · 2026-10-16
- Pydantic HTTPX2 原生支持 WebSocket 与 SSE,兼容 HTTPX 用法 — samuelcolvin · 2026-10-16