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。
Hugging Face 与 OpenRouter 合作,把语言模型的 Inference Providers 从自建路由切换到 OpenRouter,按实时价格、速度和可靠性为每次请求选择供应商,失败时在同一调用内重试其他供应商。
推荐理由:原文交代了路由切换后的重试机制、模型后缀选路方式和计费变化,可据此判断现有调用代码是否需要调整。