团队直播开源 RL 训练：为 hermes/pi/opencode 三个编码 harness 微调 LoRA 适配器
yb2698 · x · 2026-11-06
yb2698 与 ariG23498 宣布在 Hugging Face 上直播基于 LiquidAI 的 LFM2.5-24B、LFM3 及 TwIL-8B 模型的 RL harness adapter 训练：用强化学习和开放环境，为 hermes、pi、opencode 三个编码 harness 训练高效且更准确的 LoRA 适配器。所有 RL 环境、reward hacking 尝试、评测结果和训练协议都会开源，思路是同时在 harness 与目标任务上微调适配器以提升流水线效率。
所属事件:HF 开源直播 agent RL 训练：单卡 LoRA 微调小模型(9 条相关)→
「编程与Agent」频道最新
- 开发者呼吁：LLM 供应商应提供无法伪造的可验证工具调用结果 — Sauers_ · 2026-11-06
- 开发者用 WebGL 打造光学透镜模拟，可交互演示效果惊艳 — zzznah · 2026-11-06
- 2026年了，AI Agent 还用人类语言讨论怎么写人类语言代码 — mark_k · 2026-11-06
- 把闲置显卡显存当 swap 用：USM 比 NVMe 快约 7 倍 — kha333n · 2026-11-06
- 并行跑多个编码 Agent 的提速关键：别让权限提示卡住你 — Significant-Sea-7238 · 2026-11-06
- Scale AI 发布 3300+ 任务 RL 环境,单任务需人类团队 3 周完成 — alexandr_wang · 2026-11-06