看到一个很有意思的思路:针对具体 Agent 工具链做强化学习,小模型也能打出离谱的实战效果

[复制链接]
发表于 昨天 22:56 | 显示全部楼层 |阅读模式
看到一个很有意思的思路:针对具体 Agent 工具链做强化学习,小模型也能打出离谱的实战效果

Harness-Hub 开源的这个 Qwen3.8-27B-pi-adapted,直接把千问 27B 扔进 pi 编码 Agent 的终端沙箱里,用 GRPO + LoRA 针对性特训了一把

官方实测跑出来的数据挺惊艳:

· SWE-bench Pro(最难的51道实战):通关率从 39.2% 提升到了 64.7%
· Terminal-Bench 终端任务:从 39.5% 涨到 55.8%
· 彻底治好瞎调工具的毛病:工具调用次数暴跌了近六成。原版反复试错耗尽 100 步的 Bug,它 8 次工具调用直接一把改对收工
· 省下 75% 的 Token:在关闭深度思考的情况下,性能直接追平原模型开到最高档思考(xhigh),响应速度还快了 4.5 倍

拿着 27B 针对自己的具体工程工具链做特训,性价比确实比直接硬怼大模型高得多。

(模型权重、GGUF 和技术博客放一楼 👇)

#



本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有账号?立即注册

×
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关注公众号

相关侵权、举报、投诉及建议等,请发 E-mail:2776601884@qq.com

Powered by Discuz! X5.0 Licensed © 2001-2026 Discuz! Team.|青ICP备2025004122号-1

在本版发帖
关注公众号
返回顶部