花不到 20 美元用 RL 微调 Qwen3.5-0.8B,pass@1 从 10% 提到 36%
LysandreJik · x · 2026-10-20
- 作者用 RL(AsyncGRPO)+ HF Jobs 微调 Qwen3.5-0.8B,在自建 agent 测试集上 pass@1 从 10% 提升到 36%(50 个 held-out 任务,50 步训练时达峰 0.36,100 步回落至 0.32)。
- 同时把每任务平均工具调用从 14.6 次降到 8.2 次,几乎减半。
- 全程只需单张 24GB GPU,成本不到 20 美元,且无需生成合成轨迹数据。HF 工作人员 Lysandre 转发推荐。
「编程与Agent」频道最新
- 当编码模型犯蠢时换 Qwen 顶上，被比作敲一次 sudo — DanGrover · 2026-10-20
- 给 AI Agent 一个运营 30 年的 MMORPG,让它「过一生」会怎样 — Aeylwar · 2026-10-20
- NYU 教授用 Cursor 写出 EdgeBar：macOS 浮动侧栏管理 Edge 多配置 — kchonyc · 2026-10-20
- OpenAI 平台悄然上线 Decisions 决策模型测试场 — testingcatalog · 2026-10-20
- 业者直言：强模型反而不提升生产力，只会放大蠢事 — generativist · 2026-10-20
- 开源配色生成 MCP Server:八种调色方案接进你的 AI 助手 — modelcontextprotocol · 2026-10-20