Qwen3.8-27B Super-Adapter: один для трёх программирующих агентов

LoRA-адаптер для Qwen3.8-27B, загруженный harness-hub 11 16. Он объединяет три ранее выпущенных специализированных адаптера (обученных с помощью AsyncGRPO на задачах по разработке ПО и работе в терминале в рамках фреймворков pi, Hermes Agent и OpenCode) путём конкатенации с равными весами ½; само объединение не требует дополнительного обучения, итоговый ранг составляет 96. Авторы утверждают, что обновления весов этих трёх адаптеров почти ортогональны, поэтому при сложении их эффективность в основном сохраняется. В этом разделе 11 18 мы уже рассматривали версию для pi; новизна данной версии заключается в том, что один адаптер обслуживает сразу три фреймворка.

Оригинальное название: harness-hub/Qwen3.8-27B-super-adapter

LoRA-адаптер для Qwen3.8-27B, загруженный harness-hub 11 16. Он объединяет три ранее выпущенных специализированных адаптера (обученных с помощью AsyncGRPO на задачах по разработке ПО и работе в терминале в рамках фреймворков pi, Hermes Agent и OpenCode) путём конкатенации с равными весами ½; само объединение не требует дополнительного обучения, итоговый ранг составляет 96. Авторы утверждают, что обновления весов этих трёх адаптеров почти ортогональны, поэтому при сложении их эффективность в основном сохраняется. В этом разделе 11 18 мы уже рассматривали версию для pi; новизна данной версии заключается в том, что один адаптер обслуживает сразу три фреймворка.

Почему это важно Не нужно менять адаптер в зависимости от фреймворка агента. Авторы утверждают, что при включённом режиме размышлений (thinking) в пяти из шести сравнительных тестов результаты превосходят базовую модель, а в одном случае равны им; количество вызовов инструментов также сокращается.

Рост рейтинга: 27 · Лайки: 28 · Загрузки: 103

Обоснование

  • Авторы утверждают, что при включённом режиме размышлений средний показатель pass@1 на бенчмарках SWE-bench Pro (сложные задачи, всего 51) и Terminal-Bench 2.1 во всех трёх фреймворках вырос с 55.5% до 63.5%, а количество вызовов инструментов на задачу сократилось на 19%–48%.
  • При выключенном режиме размышлений результаты во всех шести тестах выше, чем у базовой модели (среднее значение выросло с 39.5% до 49.0%); однако если используется только один фреймворк и режим размышлений выключен, авторы рекомендуют применять специализированную версию для этого фреймворка.
  • Можно напрямую подключить LoRA через vLLM, также доступна версия в формате GGUF для llama.cpp; с помощью библиотеки PEFT адаптер можно объединить в самостоятельную модель формата BF16 размером около 54 ГБ.

Использование

  • Запустите vllm serve Qwen/Qwen3.8-27B --enable-lora --max-lora-rank 128 --lora-modules qwen3.8-super=harness-hub/Qwen3.8-27B-super-adapter (в конфигурации также указаны параметры для вызова инструментов и парсинга рассуждений), затем направьте pi, Hermes Agent или OpenCode на локальный интерфейс, совместимый с OpenAI.
  • Для llama.cpp: в качестве базовой модели используйте Q8_0 GGUF и добавьте параметр --lora Qwen3.8-27B-super-adapter-lora-F16.gguf.
  • Режим размышлений должен быть включён; в конфигурации pi необходимо указать "api": "openai-completions", а для Hermes Agent требуется контекстное окно не менее 64,000 токенов.

Риски

  • Результаты получены авторами при однократном запуске в каждом фреймворке, с бюджетом в 100 шагов и использованием только текстовых данных; они несопоставимы с оценками на официальной карточке модели Qwen3.8-27B. Веса объединения ½ были выбраны на основе тестов Terminal-Bench, и авторы сами отмечают, что эти результаты могут быть несколько оптимистичными.
  • Версия в формате GGUF не проходила повторное тестирование; базовая модель с низким битным квантованием может показывать результаты, отличающиеся от оценочных. Данный пункт не был проверен на практике.

Открыть

Hugging Face Trending

Открыть последние новости ИИ