Hugging Face推微調技術 開源模型解題率飆破六成
AI開源平台Hugging Face發表名為「harness adapters」的模型微調技術,專門針對特定智慧代理(Agent)軟體架構進行客製化,不僅大幅提升模型執行任務的精準度,還同步降低運算與Token消耗成本。
根據外媒報導,這項技術本質上是透過強化學習(RL)在Agent專屬的測試環境(harness)中直接訓練LoRA轉接器——簡單來說,它就像為通用AI模型外掛一塊輕量擴充卡,不需重新訓練整個龐大模型,就能讓它精準適應特定工作流程。該架構建立在PEFT(參數高效微調)函式庫上,讓開發者在消費級硬體設備上也能進行微調。
在實際測試中,導入該技術的Qwen3.8-27B開源模型展現顯著升級。在考驗解決真實軟體工程問題的SWE-bench Pro基準測試中,該模型的解題表現從原本的39.2%一口氣攀升至64.7%;在終端機操作評測Terminal-Bench 2.1上,表現也從39%提升到55%,同時消耗的Token數量明顯減少。
訓練流程整合了TRL函式庫中的AsyncGRPOTrainer,並搭配OpenEnv與Harbor進行資料集管理與環境鋪展。為確保安全,訓練期間採用「safeagents」外掛程式,即時阻攔有害的工具調用。團隊更將針對pi、Hermes Agent以及OpenCode三個專用框架訓練出的LoRA轉接器融合為單一「超級轉接器」(super adapter),實現單一方案跨環境運作的能力。
Hugging Face推出的新技術Harness Adapters有何優勢?
Hugging Face發表名為「harness adapters」的模型微調技術,專門針對特定智慧代理(Agent)軟體架構進行客製化,能大幅提升模型執行任務的精準度,並降低運算與Token消耗成本。該技術透過強化學習在Agent專屬的測試環境中訓練LoRA轉接器,讓通用AI模型能精準適應特定工作流程,且不需重新訓練整個龐大模型。在SWE-bench Pro基準測試中,導入該技術的Qwen3.8-27B開源模型解題表現從39.2%提升至64.7%。
把這個解答傳出去Harness Adapters技術如何提升模型表現?
此技術透過強化學習在Agent專屬的測試環境中訓練LoRA轉接器,如同為通用AI模型外掛輕量擴充卡,使其能精準適應特定工作流程,無需重新訓練整個模型。
Harness Adapters技術在實際測試中有哪些具體成效?
在SWE-bench Pro基準測試中,Qwen3.8-27B開源模型的解題表現從39.2%提升至64.7%;在Terminal-Bench 2.1上,表現也從39%提升到55%,同時消耗的Token數量減少。
Harness Adapters技術的訓練流程包含哪些關鍵元件?
訓練流程整合了TRL函式庫中的AsyncGRPOTrainer,並搭配OpenEnv與Harbor進行資料集管理與環境鋪展,同時採用「safeagents」外掛程式確保訓練安全。