1350 个 agent 会话评测只花 5 美元：LoRA 共享权重训练法
yb2698 · x · 2026-11-06
作者分享 agent RL 训练的省算力工程技巧：
- 每个模型一个 vLLM，每个 harness 一个 trainer，各自在共享权重上挂 LoRA adapter
- LFM3-1.7B 的三个 trainer 共享 vLLM 旁边的一块 GPU——agent rollout 大部分时间耗在沙箱里，trainer 基本在等待，于是让它们轮流训练而非空转
- 评测时一个 vLLM 同时服务所有 checkpoint 的 adapter：9 个 checkpoint、1,350 个 agent 会话、单 GPU、不到 1 小时、约 5 美元；若把每个 checkpoint 合并成完整权重则要花约 90 美元
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
- 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
- Cognition 发布 Devin Review 2.0：PR 审查成本降 5 倍、速度快 1.5 倍 — DevinAI · 2026-11-06
- Salesforce 推出 Metadata Grounding MCP,让编码 Agent 读懂你的 Org — msrivastav13 · 2026-11-06