Qwen3-27B 加 RL 和小 LoRA,SWE-bench Pro 从 39% 升至 65%

TheTuringPost · x · 2026-11-21

TheTuringPost 总结本周写过的 Hugging Face 训练配方,思路与「换 harness」相反:保留测试框架、改造模型本身。用强化学习加一个小型 LoRA,Qwen3.8-27B 在 SWE-bench Pro 上的成绩从 39% 提升到 65%。

在与 rasbt 的讨论中,rasbt 指出 LLM 本身就是针对特定 harness 和工具微调的——harness 是训练设置的一部分,模型无法真正「吸收」它,类比 CPU/GPU 吸收操作系统的角色。作者据此提出一个实用问题:对你的具体场景来说,改 harness 和改模型哪边成本更低?并征集有人在同一任务上对比过两种路径。

所属事件:Harness 会被 LLM 吸收还是应微调模型,研究者观点交锋(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 →