НОВОСТЬ · MODELS · #3990
Hugging Face обучил RL-LoRA адаптеры для Qwen3.8-27B, улучшив точность и эффективность
Hugging Face обучил LoRA-адаптеры для Qwen3.8-27B внутри трёх агентных harness (pi, OpenCode, Hermes Agent) с помощью RL, используя AsyncGRPOTrainer, OpenEnv и Harbor. Каждый адаптер повысил результаты по Terminal-Bench 2.1 и снизил использование токенов в своём harness; три адаптера также объединены в единый суперадаптер, а все артефакты и инструкции опубликованы на Hugging Face Hub.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- Hugging Face обучил LoRA-адаптеры для Qwen3.8-27B внутри трёх агентных harness (pi, OpenCode, Hermes Agent) с помощью RL, используя AsyncGRPOTrainer, OpenEnv и Harbor.
- Каждый адаптер повысил результаты по Terminal-Bench 2.1 и снизил использование токенов в своём harness; три адаптера также объединены в единый суперадаптер, а все артефакты и инструкции опубликованы на Hugging Face Hub.
- Это демонстрирует, что обучение компактных RL-адаптеров внутри реального deploy-time harness существенно повышает точность и эффективность модели для конкретных задач и предоставляет воспроизводимый рецепт и артефакты для повторения подхода.
ПОЧЕМУ ЭТО ВАЖНО
Это демонстрирует, что обучение компактных RL-адаптеров внутри реального deploy-time harness существенно повышает точность и эффективность модели для конкретных задач и предоставляет воспроизводимый рецепт и артефакты для повторения подхода.