freigeben: 2026/11/19 01:04 lesen: 0
Ursprünglicher Autor:智用AI
Originalquelle:https://www.youtube.com/embed/hs2BpFPKuqA
Der Qwen3.8-27B LoRA-Adapter von Hugging Face Harness-Hub erreicht die Genauigkeit des Basismodells, wenn der Denkmodus ausgeschaltet ist, und der Token-Verbrauch wird um etwa das 4,5-fache reduziert. Das Harness-Hub-Team von Hugging Face hat den LoRA-Adapter Qwen3.8-27B-pi-adaptiert für Qwen3.8-27B veröffentlicht, der speziell für Pi-Codierungsagenten verwendet wird. Der Adapter wird durch Reinforcement-Learning-Methoden trainiert und verbessert die Pass@1-Genauigkeit von 39,2 % auf 64,7 % auf SWE-Bench Pro und von 39,5 % auf 55,8 % auf Terminal-Bench 2.1. Noch wichtiger ist, dass es bei ausgeschaltetem Denkmodus das Genauigkeitsniveau des Basismodells erreicht, wenn der Denkmodus ausgeschaltet ist. Gleichzeitig wird der Token-Verbrauch um etwa das 4,5-fache reduziert und die Anzahl der Interaktionsrunden deutlich verkürzt. In diesem Artikel werden der Trainingsmechanismus für verstärktes Lernen, die Bewertungsleistung und der Bereitstellungspfad des LoRA-Adapters erläutert. Qwen3.8-27B, LoRA, Coding Agent, Reinforcement Learning, Pi, SWE-Bench, vLLM. Wenn diese Art der zugrunde liegenden Demontage für Sie nützlich ist, abonnieren Sie es und öffnen Sie die kleine Glocke. Das neue Update wird Ihnen so schnell wie möglich zugestellt. ⏱ Kapitel 00:00 Das kontraintuitive Ergebnis wird zuerst angezeigt: Schalten Sie den Denkmodus aus, die Genauigkeitsrate steigt statt zu sinken und die Anzahl der Interaktionsrunden wird stark verkürzt. 00:46 Es handelt sich nicht um eine allgemeine Feinabstimmung, sondern um einen Reinforcement-Learning-Adapter, der auf die spezifische Agentenumgebung von Pi zugeschnitten ist. 01:14 Der Trainingsumfang ist nicht groß: 750 Scale800-Aufgaben plus 300 TermG 01:26 Der Adapter ist stark an den Pi gebunden und garantiert keine Migration zu anderen Agent-Frameworks; Gleichzeitig sind die Basisarchitektur und das Kontextfenster schwierig. 02:23 Ein Urteil, das es wert ist, mitgenommen zu werden: Die Durchführung einer kleinen LoRA-Learning-Learning-Ausrichtung für eine bestimmte Agentenumgebung verbessert die lokale Programmierung. 🔎 Auswahl aus diesem Video fortsetzen: https://zhiyong.dev/y/hs2BpFPKuqA --- 🔎 Verwandte KI-Tools, Modelle und Anwendungen: https://zhiyong.dev
CRYPTO_BEN
2026-11-22 23:36
子敬.轮回珠宝
2026-11-22 23:36
kumis patiler
2026-11-22 23:36
Ha Ms
2026-11-22 23:36
CryptoMetric
2026-11-22 23:36
劇翻天 Drama Go
2026-11-22 16:36
CryptoMason
2026-11-22 16:22
Lý Tử Ly
2026-11-22 14:42
Pidoku
2026-11-22 14:15
Währung auswählen
US Dollar
USD
Chinese Yuan
CNY
Japanese Yen
JPY
South Korean Won
KRW
New Taiwan Dollar
TWD
Canadian Dollar
CAD
Euro
EUR
Pound Sterling
GBP
Danish Krone
DKK
Hong Kong Dollar
HKD
Australian Dollar
AUD
Brazilian Real
BRL
Swiss Franc
CHF
Chilean Peso
CLP
Czech Koruna KČ
CZK
Singapore Dollar
SGD
Indian Rupee
INR
Saudi Riyal
SAR
Vietnamese Dong
VND
Thai Baht
THB
Währung auswählen
US Dollar
USD-$
Chinese Yuan
CNY-¥
Japanese Yen
JPY-¥
South Korean Won
KRW -₩
New Taiwan Dollar
TWD-NT$
Canadian Dollar
CAD-$
Euro
EUR - €
Pound Sterling
GBP-£
Danish Krone
DKK-KR
Hong Kong Dollar
HKD- $
Australian Dollar
AUD-$
Brazilian Real
BRL -R$
Swiss Franc
CHF -FR
Chilean Peso
CLP-$
Czech Koruna KČ
CZK -KČ
Singapore Dollar
SGD-S$
Indian Rupee
INR -₹
Saudi Riyal
SAR -SAR
Vietnamese Dong
VND-₫
Thai Baht
THB -฿