科技

Hugging Face推微調技術 開源模型解題率飆破六成

Vendor Icon

商傳媒

11月. 21, 2026


商傳媒|林昭衡/綜合外電報導

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。


author avatar
商傳媒
商傳媒是由一群在媒體界超過十年的採訪團隊,是一個提供財經、科技、智慧製造、醫療、電玩資訊為主要服務內容的金融科技網路媒體,其宗旨在於提供台灣中小企業一個產品新聞的平台,未來更朝向將台灣中小企業產品獎持續推向全世界。
donate plan

充電計畫

喜歡這篇文章嗎?歡迎幫作者充電,好內容值得更多人支持

瞭解詳情