Адаптер для Qwen 3.8 повышает точность кодинг-агентов
Дополнительное обучение весов позволяет модели лучше использовать инструменты, не меняя её основу. Hugging Face представила LoRA-адаптер для Qwen 3.8-27B, оптимизированный под агент pi.
Разработчики применили обучение с подкреплением, чтобы модель эффективнее работала в терминале и решала задачи программирования. В тестах на сложных задачах SWE-bench Pro успех вырос с 39,2% до 64,7%. При этом количество обращений к инструментам сократилось с 59 до 23 раз. Этого удалось добиться за счёт настройки малых весов под конкретный рабочий процесс агента.
Чтобы модель не искала готовые ответы в тестах, применили систему safeagents. Она проверяет каждое действие по правилам и блокирует попытки обмануть бенчмарк. По данным AI Times, решение позволяет использовать одну базовую модель для разных задач, просто меняя адаптеры под разные среды вроде OpenCode или Hermes.
Что поменялось
Для повышения эффективности кодинг-агентов теперь можно использовать малые веса поверх базовой модели, что сокращает количество лишних действий.
Источники · 1
Текст подготовила языковая модель по материалам источников.
