AIINEWS

AIINEWS

Báo cáo chuyên sâu về Trí tuệ nhân tạo và Công nghệ toàn cầu

Bộ điều hợp LoRA giúp Qwen3.8-27B giải nhiều bài lập trình hơn trong tác nhân pi

Ban biên tập AIINEWS•frontier-models
19 tháng 11, 2026•3 phút đọc
Bộ điều hợp LoRA giúp Qwen3.8-27B giải nhiều bài lập trình hơn trong tác nhân pi

Tóm lược nhanh

“Nhóm harness-hub của Hugging Face đã phát hành bộ điều hợp LoRA để tinh chỉnh Qwen3.8-27B...”

Ý chính

  • 1.Nhóm harness-hub phát hành Qwen3.8-27B-pi-adapted, một bộ điều hợp LoRA được huấn luyện bằng học tăng cường để hoạt động trong tác nhân lập trình pi, thay vì phục vụ hội thoại đa dụng.
  • 2.Các phép đo do nhóm tự công bố đều dùng pi và một lượt thử cho mỗi bài. Khi tắt chế độ suy luận, tỷ lệ giải thành công tăng từ 39,2% lên 64,7% trên 51 bài SWE-bench Pro khó và từ 39,5% lên 55,8% trên 86 bài Terminal-Bench 2.1.
  • 3.Trên những bài mà cả hai phiên bản đều giải được, số lượt tương tác trung vị giảm từ 59 xuống 23 ở SWE-bench Pro và từ 18 xuống 8 ở Terminal-Bench 2.1.
  • 4.Trên SWE-bench Pro, mô hình gốc khi bật chế độ suy luận cũng đạt 64,7%. Theo số liệu được nêu, bộ điều hợp tạo ra ít token hơn khoảng 4,5 lần so với mô hình gốc ở chế độ đó.

Nhóm harness-hub của Hugging Face đã phát hành bộ điều hợp LoRA để tinh chỉnh Qwen3.8-27B cho tác nhân lập trình pi. Theo kết quả do nhóm công bố, khi tắt chế độ suy luận, tỷ lệ giải thành công trên một tập bài SWE-bench Pro tăng từ 39,2% lên 64,7%.

Thông tin trọng tâm & Diễn biến chính

Nhóm harness-hub phát hành Qwen3.8-27B-pi-adapted, một bộ điều hợp LoRA được huấn luyện bằng học tăng cường để hoạt động trong tác nhân lập trình pi, thay vì phục vụ hội thoại đa dụng.

Các phép đo do nhóm tự công bố đều dùng pi và một lượt thử cho mỗi bài. Khi tắt chế độ suy luận, tỷ lệ giải thành công tăng từ 39,2% lên 64,7% trên 51 bài SWE-bench Pro khó và từ 39,5% lên 55,8% trên 86 bài Terminal-Bench 2.1.

Trên những bài mà cả hai phiên bản đều giải được, số lượt tương tác trung vị giảm từ 59 xuống 23 ở SWE-bench Pro và từ 18 xuống 8 ở Terminal-Bench 2.1.

Trên SWE-bench Pro, mô hình gốc khi bật chế độ suy luận cũng đạt 64,7%. Theo số liệu được nêu, bộ điều hợp tạo ra ít token hơn khoảng 4,5 lần so với mô hình gốc ở chế độ đó.

Phân tích chuyên sâu & Tác động

Kết quả đáng chú ý không chỉ là tỷ lệ giải bài cao hơn khi tắt chế độ suy luận. Trong pi, bộ điều hợp đạt cùng mức điểm SWE-bench Pro được báo cáo cho mô hình gốc khi bật chế độ này, đồng thời dùng ít token hơn. Điều đó có thể giúp giảm chi phí phục vụ, nhưng số token không đủ để xác định mức tiết kiệm thực tế.

Vì bộ điều hợp được huấn luyện cho pi, các kết quả này hữu ích nhất khi đánh giá việc triển khai trong chính tác nhân đó. Không thể lấy mức tăng điểm trong pi làm bằng chứng rằng nó cũng cải thiện các tác nhân lập trình khác.

Triển vọng & Các yếu tố cần theo dõi

Các phép đo do nhóm tự công bố dựa trên tập bài nhỏ. Chưa có kết quả kiểm chứng độc lập trong thông tin được cung cấp.

Thông tin được cung cấp không nêu lượng VRAM cần cho suy luận, nên chưa thể xác định phần cứng tối thiểu để triển khai bộ điều hợp.

Bài viết được thẩm định, biên tập và xuất bản độc lập bởi Ban biên tập AIINEWS
Đã kiểm chứng 3 lớp
Tiêu chuẩn biên tập
Chia sẻ bài phân tích này:
Góc nhìn mở rộng & Đột phá công nghệ

Các phân tích & Tiêu điểm liên quan

Hiển thị 8 bài phân tích tuyển chọn
Amazon SageMaker AI bổ sung phương thức tinh chỉnh toàn diện dạng máy chủ không cần quản lý hạ tầng
Trí tuệ nhân tạo1 ngày trước

Amazon SageMaker AI bổ sung phương thức tinh chỉnh toàn diện dạng máy chủ không cần quản lý hạ tầng

Amazon SageMaker AI bổ sung tính năng tinh chỉnh toàn diện mô hình ngôn ngữ lớn trên hạ tầng máy chủ không cần quản lý cấu hình cụm máy. Phương pháp này giúp khắc phục những hạn chế về khả năng biểu diễn dữ liệu của các kỹ thuật tinh chỉnh tham số hiệu quả.

2 phút đọc5,138
Alibaba ra mắt mô hình ngôn ngữ lớn Qwen4-Max với kiến trúc huấn luyện tối ưu

Alibaba ra mắt mô hình ngôn ngữ lớn Qwen4-Max với kiến trúc huấn luyện tối ưu

Alibaba vừa chính thức giới thiệu Qwen4-Max, mô hình ngôn ngữ lớn mạnh mẽ nhất của hãng với tổng số tham số lên tới 2.4 nghìn tỷ nhưng chỉ kích hoạt 71 tỷ tham số tại mỗi thời điểm hoạt động. Nền tảng này tích hợp các cải tiến chuyên sâu về cơ chế chú ý và quy trình huấn luyện giúp giảm đáng kể chi phí vận hành.

2 phút đọc7,761
Giám đốc trí tuệ nhân tạo của Meta chia sẻ video giả mạo Sam Altman để quảng bá sản phẩm

Giám đốc trí tuệ nhân tạo của Meta chia sẻ video giả mạo Sam Altman để quảng bá sản phẩm

Giám đốc trí tuệ nhân tạo của Meta đã đăng tải một đoạn video tạo bằng trí tuệ nhân tạo có sự góp mặt của lãnh đạo cấp cao OpenAI Sam Altman nhằm quảng bá cho trợ lý ảo Muse. Đoạn video này hoàn toàn tuân thủ các chính sách hiện hành của nền tảng mạng xã hội Instagram.

2 phút đọc6,789
Stanford công bố hệ thống bộ nhớ tiềm ẩn Memorilla cho mô hình ngôn ngữ lớn

Stanford công bố hệ thống bộ nhớ tiềm ẩn Memorilla cho mô hình ngôn ngữ lớn

Nhóm nghiên cứu tại Đại học Stanford vừa phát hành Memorilla, một hệ thống mã nguồn mở cho phép thu gọn toàn bộ tài liệu thành 16 token bộ nhớ cho các mô hình ngôn ngữ lớn đóng băng. Công nghệ này giúp tăng tốc độ xử lý đáng kể trong khi vẫn duy trì hiệu suất cao trên nhiều tiêu chuẩn đánh giá.

2 phút đọc7,321