HF 直播开源 RL 训练:轨迹转环境+safeagents 反作弊+LoRA 批量评测
yb2698 · x · 2026-11-06
Hugging Face 宣布将在 HF 上直播下一轮 RL harness adapter 训练,目标是给 LiquidAI 的 LFM2.5-24B、LFM3 及 TwIL-8B 模型,为 hermes、pi、opencode 三个编码 harness 训练更准确高效的 LoRA adapter。全程(RL 环境、reward hacking 尝试、评测结果、训练协议)公开。相比上一轮的四项增强:
- Repo2RLEnvs:用 HF Hub 上的开源轨迹作种子数据,合成新 RL 环境
- safeagents:缓解 reward hacking、harness 内省与凭证滥用
- 用 opencode 替换 claude code
- 评测优化:单 GPU 服务器可同时评测最多 10 个 LoRA checkpoint
所有环境、尝试与结果都将开放。
所属事件:HuggingFace 开源直播 agent RL 训练：LoRA 适配器显著提升编码 harness(8 条相关)→
「编程与Agent」频道最新
- Zep 推出 Agent Skills：把验证过的运行轨迹编译成可复用技能 — TheTuringPost · 2026-11-06
- Sentry 推出 CLI 与 MCP 二合一：一个登录态同时驱动两种接入 — zeeg · 2026-11-06
- BoxWorks 发布 Box Content Retrieval，CFO 级内容平台押注智能体 — shashib · 2026-11-06
- Agent 别给工具，给解释器：同一模型任务耗时从 19 分钟降到 2 分钟 — Itz_hany · 2026-11-06
- 扫描 99 个热门 MCP 服务器：无工具投毒，真正的坑在 HTTP 模式 — Trout_dev · 2026-11-06
- Notion 数据：Agent 使用量涨 9 倍，第三方 Agent 的 MCP 流量暴涨 60 倍 — dsp_ · 2026-11-06