HF 团队用 RL+单个 LoRA 把 Qwen3.8-27B 的 SWE-bench Pro 从 39% 提到 65%
TheTuringPost · x · 2026-11-19
Hugging Face 的 Clement Delangue 团队给出把开源模型适配到你自己 coding agent 的具体配方:用 RL 加一个小 LoRA,把 Qwen3.8-27B 在 SWE-bench Pro(hard 51)上从 39% 提到 65%,Terminal-Bench 2.1 从 39.5% 提到 55.8%。要点:
- 保留 harness、适配模型:同一模型在不同 harness 表现差异大;与其换 harness,不如为每个 harness 训一个小 LoRA 适配器,接在你已有的 agent 后面(首个适配 pi harness)。
- 在真实未修改的 harness 里训练:harness 原样运行、每次 rollout 独立沙箱,训练用的正是 harness 看到的 token,不重切分、不简化。
- 先奖励正确性,再效率:奖励为任务验证器正确性加工具效率 bonus(权重 0.1)。
所属事件:Hugging Face 发布 Harness Adapters:LoRA 让 Qwen3.8-27B 适配 Pi agent(14 条相关)→
「编程与Agent」频道最新
- 同一游戏 Prompt 实测:Astra 花 17 美元 vs Fable 花 65 美元 — heypearlai · 2026-11-19
- GPT-6.2 Astra 生成价格仅 Fable 5.2 三分之一,植被与火焰效果反超 — heypearlai · 2026-11-19
- 同 5.5 小时算力做同一场景:Astra 产出 32.9MB,Fable 仅 242KB — heypearlai · 2026-11-19
- 同提示词做像素飞行游戏:Astra 花 $10,Fable 5.2 花 $22.78 — heypearlai · 2026-11-19
- Stripe 工程师自禁 PPT:用 AI 半小时做互动演示取代幻灯片 — hazelcough · 2026-11-19
- 微软 Autopilot 架构图曝光:OpenClaw 作为沙箱网关嵌入 — steipete · 2026-11-19