發布: 2026/11/19 01:04 閱讀: 0
原文作者:智用AI
原文來源:https://www.youtube.com/embed/hs2BpFPKuqA
Hugging Face harness-hub 的 Qwen3.8-27B LoRA 适配器,在关闭 thinking 模式时达到基础模型开启 thinking 的准确率,token 消耗减少约 4.5 倍。 Hugging Face 的 harness-hub 团队发布了针对 Qwen3.8-27B 的 LoRA 适配器 Qwen3.8-27B-pi-adapted,专门用于 pi 编码代理。该适配器通过强化学习方法训练,在 SWE-bench Pro 上将 pass@1 准确率从 39.2% 提升至 64.7%,在 Terminal-Bench 2.1 上从 39.5% 升至 55.8%。更重要的是,它在关闭 thinking 模式的情况下,达到了基础模型开启 thinking 模式的准确率水平,同时 token 消耗减少了约 4.5 倍,交互轮数显著缩短。本文拆解了该 LoRA 适配器的强化学习训练机制、评测表现及部署路径。Qwen3.8-27B, LoRA, 编码代理, 强化学习, pi, SWE-bench, vLLM 这类底层拆解如果对你有用,订阅 + 打开小铃铛,新一期更新第一时间到你这儿。 ⏱ 章节 00:00 先亮出反常识的结果:关闭思考模式,准确率不降反升,而且交互轮次大幅缩短。 00:46 它不是通用微调,而是为 pi 这个特定代理环境定制的强化学习适配器。 01:14 训练规模并不大:750 个 scale800 任务加 300 个 TermG 01:26 适配器高度绑定 pi,不保证迁移到其他代理框架;同时基座架构与上下文窗口是硬 02:23 值得带走的判断:针对特定代理环境做小型 LoRA 强化学习对齐,是提升本地编 🔎 从本视频继续选型: https://zhiyong.dev/y/hs2BpFPKuqA --- 🔎 相关 AI 工具、模型与应用: 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
選擇貨幣
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
選擇貨幣
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 -฿