Pi harness 适配器 RL 训练实测:SWE-bench Pro 29.4%→62.7%,工具调用省 55%
yb2698 · x · 2026-11-17
作者公开了给 Pi 模型训练 harness 适配器的完整配方:每条 RL rollout 都是 HF 沙箱里一次真实的 Pi 会话,训练器内部不重新实现 agent 循环,用 TRL 的 AsyncGRPOTrainer + OpenEnv,所有工具调用经 safeagents 分析校验。结果(见配图):SWE-bench Pro(hard 51)pass@1 从 29.4% 升到 62.7%,Terminal-Bench 2.1 从 39.5% 升到 55.8%,每任务工具调用分别减少 55% 和 62%。具体案例:基座模型撞到 100 步上限的任务,加适配器后 8 次工具调用即解决;TB-2.1 新解出 16 题,SWE-Bench Pro 新解出 18 题。
所属事件:Harness Adapters 发布:LoRA 适配让 Qwen3.8-27B 解题率翻倍(3 条相关)→
「编程与Agent」频道最新
- Mnemos×NousResearch 发布智能体记忆引擎,自称比 Claude Code 记忆强 2 倍 — RileyRalmuto · 2026-11-17
- 设计师回应 Lovable 创始人:不是我比 AI 强,是我摸出了对的流程 — damienghader · 2026-11-17
- 10 周 ChatGPT 导流新用户翻倍:355 到 781 的 AEO 实战复盘 — tibo_maker · 2026-11-17
- FormMCP:一条 MCP 连接接入全家桶桌面应用,工具按需加载 — nodemode_ai · 2026-11-17
- Pi 适配器 LoRA 可在 vLLM/llama.cpp/MLX 等任意平台运行 — yb2698 · 2026-11-17
- 实例对比:基座模型 100 步卡死的任务,Pi 适配器 8 次调用解决 — yb2698 · 2026-11-17