Hugging Face 公开 harness 适配器配方:在 pi 里做 RL 训练的 LoRA,让 Qwen3.8-27B 在 SWE-bench Pro 难题上从 39.2% 提到 64.7%
模型面向通用表现训练,搭到具体 harness 上会留下性能和成本空间。这一条讲在你自己的 harness 里训一个小适配器能拿回多少,以及配方是否可复用。
// 要点
- 为 pi、Hermes Agent、OpenCode 三个 harness 各训一个 LoRA,在 harness 原样运行的环境里做 RL;任务、训练和 rollout 都在 Hub Jobs 上用 TRL 的 AsyncGRPOTrainer、OpenEnv 与 Harbor 完成。
- SWE-bench Pro 最难 51 题:pi 从 39.2% 到 64.7%,Hermes 从 29.4% 到 43.1%,OpenCode 从 35.3% 到 51.0%;完整 Terminal-Bench 2.1 上 pi 提升 16.3 个百分点。
- 在双方都解出的任务上,适配器的单任务工具调用次数少 53% 到 72%。
- 三个 LoRA 按 1/2 权重合并成一个超级适配器,在三个 harness 下都胜过基座;适配器、GGUF、RL 任务和 safeagents 插件全部公开。
开发者视角这说明「模型 + harness」应该当成一个整体来调,而不是换模型碰运气:同一个 27B 基座,只训一个 LoRA 就多解了四分之一的难题,工具调用还少了一半以上。用开源模型跑固定流程的团队,我会先拿自己的历史任务做一套可验证的 RL 环境,这一步比训练本身更值钱。