Hugging Face ha publicado un conjunto de adaptadores para arneses de Qwen3.8-27B. Son capas LoRA pequeñas, entrenadas con aprendizaje por refuerzo dentro del arnés de agente que después ejecutará el modelo. El equipo entrenó uno por arnés (pi, Hermes Agent y OpenCode) y luego fusionó los tres en un único superadaptador. Los adaptadores, los archivos GGUF, las tareas de RL y un complemento de safeagents están reunidos en el Hub.
Qué hacen los adaptadores
Los pesos base permanecen congelados. El adaptador cambia el comportamiento del modelo en un arnés concreto: razona menos, llama a menos herramientas y acierta más tareas al primer intento. El ejemplo principal es pi en Terminal-Bench 2.1. El modelo base logra un 39% de pass@1 y gasta unos 2,9K tokens por tarea. Con el adaptador llega al 55% con unos 1,5K tokens.
Cómo se entrenó
El entrenamiento usó AsyncGRPOTrainer de TRL, OpenEnv y Harbor, con las ejecuciones corriendo en Hugging Face Jobs. Los arneses funcionaron tal como se distribuyen y el entrenador aprendió de los tokens que producían realmente. El conjunto de tareas se filtró a partir de 1.127 candidatas del Hub, de las cuales 858 superaron la validación. El conjunto de datos publicado contiene 871 tareas de 35 repositorios, y 171 son «cualificadas» porque el modelo base solo las resuelve a veces. Las tres ejecuciones sumaron 598 pasos en total. La herramienta safeagents revisó cerca de 1,3 millones de llamadas a herramientas y bloqueó 647.
Resultados del superadaptador
Los tres adaptadores se fusionaron con la mitad del peso cada uno. Con el razonamiento desactivado, el pass@1 medio en seis pares de arnés y benchmark subió del 39,5% al 49,0%. El adaptador combinado hizo entre un 53% y un 73% menos de llamadas a herramientas y generó entre un 44% y un 60% menos de tokens en las tareas que resolvieron ambos modelos. Con el razonamiento activado, superó al modelo base con el mismo esfuerzo en cinco de los seis pares y empató en el sexto. Las llamadas a herramientas bajaron entre un 31% y un 48% en SWE-bench Pro y, en Terminal-Bench, entre un 19% y un 25%, con un número de tokens prácticamente estable.
Salvedades de la fuente
- El adaptador propio de cada arnés quedó por delante en cuatro de los seis pares con el razonamiento desactivado, así que un equipo que use un solo arnés debería quedarse con ese especialista.
- Los resultados no se pueden comparar entre arneses, porque los ajustes por defecto difieren, por ejemplo en cómo se conservan los turnos de razonamiento anteriores.
- El peso de fusión se eligió con Terminal-Bench 2.1, así que esas cifras son algo optimistas.
- La evaluación usó un intento por tarea, con las 89 tareas de Terminal-Bench 2.1 y las 51 más difíciles de SWE-bench Pro.
- El texto de la fuente al que tuvimos acceso se cortaba a mitad de la sección de evaluación.