HF 团队直播训练 harness 适配器:LoRA+RL 让小模型更会做 Agent 任务
yb2698 · x · 2026-11-06
Hugging Face 团队(harness-hub)启动新一轮「harness adapters」训练并全程直播:为每个「模型×agent harness」组合训练一个小型 LoRA 适配器,用可验证任务的强化学习让模型在特定 harness(pi、opencode、hermes)内更高效准确地完成 agentic 任务。
- 模型:LiquidAI 的 LFM2.5-24B-A2B(MoE,2B 激活参数,训 200 步)、LFM3-1.7B(训 400 步),外加实验性的 TwIL-8B(训 100 步)
- 任务:SmolDataEnvs 与 230 个 traj2envs 任务,每个 harness 一个 LoRA,同一模型的三个 trainer 共享一个 vLLM
- safeagents 防奖励劫持:trainer 内置代理检查模型每次 tool call,未声明的工具、陌生主机、高危规则命中一律拦截并记 0 分,低危记录为可疑
- 评测:定期对每个保存的 checkpoint 在其专属 harness 下跑 held-out pass@1;早期 smoke 训练显示适配器在保持或提升准确率的同时减少工具调用
训练曲线、被拦截/可疑事件、全部指标都在 live dashboard 上实时更新。
所属事件:HF 开源直播 agent RL 训练：单卡 LoRA 让小模型编码能力大涨(12 条相关)→
「编程与Agent」频道最新
- 本地 MCP 让 Claude 读 WhatsApp/Telegram 并按你的语气拟回复 — SuccessfulCress7441 · 2026-11-06
- 10 个给编码 Agent 加成的开源仓库，最高已 31.3 万星 — victor_explore · 2026-11-06
- Berkeley EnvOpt 论文：优化智能体环境可降本 72.7% 并提升 14.34% 通过率 — dair_ai · 2026-11-06
- 团队花 6 周按官方规则跑 Mem0 自家基准，得分 451 反超原版却被卡提交 — gauzzastrip · 2026-11-06
- Logi 九键实体板改造成编程 Agent 物理确认键：NO/CONTINUE/YES — flngr · 2026-11-06
- evilsocket 谈 Agent 开发：别迷信设计模式，真实项目本就 messy — evilsocket · 2026-11-06