Hugging Face 发布 harness adapters:在智能体 harness 内做 RL 训练提升性能与成本效率
Hugging Face 发布 harness adapters 方法,在 Pi、OpenCode、Hermes Agent 三个智能体 harness 内对 Qwen3.8-27B 做 RL 训练 LoRA 适配器,并给出可复现的完整流程。
推荐理由:原文给出从任务生成、验证到在 harness 内做 RL 训练的完整可复现流程,适合迁移到自有模型与任务组合。
Hugging Face 发布 harness adapters 方法,在 Pi、OpenCode、Hermes Agent 三个智能体 harness 内对 Qwen3.8-27B 做 RL 训练 LoRA 适配器,并给出可复现的完整流程。
推荐理由:原文给出从任务生成、验证到在 harness 内做 RL 训练的完整可复现流程,适合迁移到自有模型与任务组合。
Hugging Face 与 Thinking Machines Lab 发布面向本地部署的多模态模型 Inkling 2 Mini,采用循环 Transformer 与 MoE 结构,物理参数约 26B、每 token 激活 3B,支持 1M token 上下文和图像输入。
推荐理由:原文给出循环层架构、跨轮消息机制与多框架推理入口,可据此判断本地部署的取舍。
RadixArk 发布首个模型 DaisyRose-27B,基于 Qwen3.8-27B 用 Miles 做强化学习后训练,仅用 1200 条精选任务、144 块 H200 训练 18 天。
推荐理由:原文给出训练成本与吞吐对比,可据此判断长程智能体后训练的效率空间。
Google DeepMind 发布 AlphaProof Code,这是一个多 LLM 智能体形式化验证框架,由 Gemini Carbon 驱动的智能体生成超 600 万行 Lean 证明,验证了 Signal 协议实际代码的关键安全属性。
推荐理由:原文给出多 LLM 智能体框架的验证流程与耗时对比,可了解形式化验证如何从设计层推进到实际代码。