RL 训练的 Hermes Agent LoRA:SWE-Bench Pro 提升 13.7 分,token 少一半

yb2698 · x · 2026-11-19

作者用强化学习在 Hermes Agent 真实会话中训练了 Qwen3.8-27B 的 LoRA 适配器并放出 GGUF 权重(Apache-2.0)。

作者诚实标注了局限:thinking 对比仅在 131k 窗口、单次尝试的设定下成立;GGUF 版未在 llama.cpp 下复测,量化基座会进一步影响结果,且与 Qwen3.8-27B 官方卡上的分数不可直接比较。所有评测轨迹均已公开链接。

所属事件:Nous 发布 Qwen3.8-27B Hermes 适配器,基准大涨更省 token(2 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 →