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)→

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →