2026-11-20 22:25
最后更新于2026-11-22 03:24
AI123

Hugging Face公开Qwen3.8-27B智能体适配器

Hugging Face公开一套可复用的harness adapters方案:针对Qwen3.8-27B,在pi、Hermes Agent和OpenCode三种agent harness内部各自用强化学习训练一个LoRA适配器,并把数据集、训练流程与产物一并开放。

按官方给出的示例,Qwen3.8-27B在pi harness下运行Terminal-Bench 2.1的通过率为39%,单任务平均消耗2.9K token;冻结原权重并叠加经强化学习训练的LoRA适配器后,pass@1升至55%,平均token降至1.5K。Hugging Face称,提升主要来自模型推理更少、调用工具更少、一次做对的比例更高。

三个适配器还被合并成一个super adapter:沿rank维度拼接后总rank为96,各适配器更新按二分之一权重叠加,可在pi、Hermes Agent和OpenCode下不经修改直接运行。原文评估显示,专用适配器在各自harness的两项基准上均优于基座模型;关闭thinking时,super adapter在全部六个“harness—基准”组合上均超过基座模型,平均pass@1由39.5%升至49.0%,在双方都能解出的任务上工具调用减少53%—73%、token减少44%—60%。

训练在Hugging Face Hub的Jobs上完成,使用TRL的AsyncGRPOTrainer、OpenEnv与harbor,每个适配器使用2块NVIDIA B200 GPU。适配器、GGUF、RL任务以及safeagents插件均已通过Hugging Face collection公开。

在分布外测试中,五个模型在300个AutomationBench任务上与基座模型的差距基本落在噪声范围内,其中Hermes适配器略低,为17.7%对23.0%。Hugging Face同时提出一个待解问题:关闭thinking时,适配器倾向于先输出少量近似推理的文本,再发起工具调用;团队表示将研究纯thinking与混合thinking训练。

来源
  1. 2026-11-20 08:00 | Huggingface:Introducing harness adapters: adapt your favorite model to your harness to improve performance and cost
    阅读原文

    Combining RL on a custom task distribution with your favorite agent harness yields more accurate and efficient models for that target harness and task distribution. Models are not fully optimized for all harnesses and the tasks you’re doing. Instead, they target general performance. So when you comb...

其他新闻

查看全部