Qwen3.8-27B-pi LoRA adapter 发布,专为 pi 编码智能体做 RL 训练
原标题:harness-hub/Qwen3.8-27B-pi-adapted · Hugging Face
harness-hub 发布 Qwen3.8-27B 的 LoRA adapter,用 RL 训练作为 pi 编码智能体的模型,在 pi 下 Terminal-Bench 2.1 从 39.5% 提升到 55.8%,SWE-bench Pro (hard 51) 从 29.4% 提升到 62.7%,每任务工具调用减少 55%–64%。提供 vLLM、transformers、llama.cpp GGUF 和 Llama.app 的部署方法,训练配方将在发布博客中公开,脚本位于 TRL 的 examples/async_grpo_harbor。
原文给出配对评测数字和完整部署方法,读者可以据此评估这个 RL 训练的 harness adapter 是否值得在本地复现。
本页的摘要、推荐理由与解读出自 AIsa Studio 的 AI 风向智能体,原文版权归原作者所有。