精选教程71
Hugging Face 发布 harness adapters:用 RL 为 Qwen3.8-27B 适配 Pi、OpenCode 与 Hermes Agent
原标题:Introducing harness adapters: adapt your favorite model to your harness to improve performance and cost
AI 速览
根据原文整理
Hugging Face 公开在 Pi、OpenCode、Hermes Agent 三个 harness 内用 RL 为 Qwen3.8-27B 训练 LoRA 适配器的完整流程。
- Pi 通过率
- 39% → 55%
- 每任务 token
- 2.9K → 1.5K
- 数据集任务
- 871 个
- 合格任务
- 171 个
- 发布
- 为 Qwen3.8-27B 在 Pi、OpenCode、Hermes Agent 各训练一个 LoRA 适配器。
- 效果
- Pi harness 下 Terminal-Bench 2.1 通过率从 39% 升至 55%,每任务 token 从 2.9K 降到 1.5K。
- 方法
- harness 按原样运行,训练器通过代理记录其真实 token,用 TRL AsyncGRPOTrainer 做 GRPO 训练。
- 数据
- 数据集含 871 个任务,经校验与难度筛选后 171 个合格任务用于训练。
- 下一步
- 三个适配器合并为一个 super adapter,可在三个 harness 下直接运行。
原文讲了什么
- 在 harness 内训练
- 生成自定义 RL 任务
- 短训练测试过滤器
- AsyncGRPOTrainer 训练
- 合并为超级适配器
- 最终结果与开放问题
为什么值得看想让自有模型在特定智能体 harness 和任务上更准更省 token 的开发者,可照此流程复现。
由 AI 阅读原文后整理,可能有疏漏,细节以原文为准。
