Все новости

Hugging Face выпустила адаптеры LoRA под агентные среды: +16 пунктов на Terminal-Bench

Материал подготовлен Sintelligent с помощью ИИ. Опубликовано в SI: . Обновлено: .

Дообучение открытой 27B-модели под конкретную агентную среду поднимает результат и одновременно экономит токены, а три таких адаптера можно слить в один без переобучения.

Hugging Face опубликовала рецепт адаптеров под агентные среды (harness adapters). LoRA-адаптер на базе Qwen3.8-27B обучается с подкреплением (GRPO через TRL AsyncGRPOTrainer) прямо в реальной агентной среде. Тестовые среды — Pi 1.5.2, OpenCode 2.2.7 и Hermes Agent v0.22.6, а прокси между средой и vLLM фиксирует точный расход токенов. При замороженных весах базовой модели адаптер под Pi даёт 55% pass@1 на Terminal-Bench 2.1 против 39%. Средний расход при этом падает с 2,9 тыс. до 1,5 тыс. токенов на задачу, а на подвыборке SWE-bench Pro (hard 51) результат растёт с 39,2% до 64,7%. Три адаптера объединены в один «супер-адаптер» ранга 96 (вес ½ на каждый), который без переобучения работает во всех трёх средах. Средний pass@1 растёт с 39,5% до 49,0% без режима рассуждения и с 55,5% до 63,5% с ним, а число вызовов инструментов падает на 53–73%. Авторы предупреждают, что вес ½ подбирался на Terminal-Bench 2.1, поэтому показатели именно на этом бенчмарке слегка оптимистичны. Адаптеры, GGUF, RL-задачи и плагин safeagents открыты; обучение шло на двух NVIDIA B200 — 598 шагов и 78 114 сэмплов.

Источники 1