Hugging Face поднял точность кодовых моделей с 42% до 54% через multi-harness RL
Hugging Face опубликовала гайд по обучению языковых моделей через reinforcement learning сразу в четырёх форматах API агентов. Команда обучила модель LFM2.5-2.6B от Liquid AI одновременно в OpenCode, Claude Code, Codex и Gemini — вместо обучения в каждом отдельно. После этого точность выросла с 42% до 54%, а количество вызовов инструментов сократилось на 31%.
Обучение только в одном харнессе (OpenCode) поднимало его до 58%, но мультихарнесс-модель показала лучший результат во всех четырёх. Для сравнения: supervised fine-tuning на 3189 успешных траекториях Qwen3.8-27B достиг только 47,5%. Весь код, данные и семь обученных моделей открыты в Hugging Face.
Источник: Machinelearning
- CEO
- Clément Delangue
- Власти Калифорнии подали иск против OpenAI, обвинив в недобросовестной деловой практике из-за недостаточных мер безопасн 2026-11-17
- Калифорния подала иск к OpenAI из-за атаки сотен ИИ-агентов 2026-11-17
- Код и веса модели Kandinsky Avatar 1.0 выложены под открытой лицензией MIT на GitHub, GitVerse и Hugging Face, запуск во 2026-11-03
- Nvidia договорилась о приобретении Hugging Face в сентябре 2026 года, в результате чего проект Microduck оказался в экос 2026-10-25
Новости этого рынка выходят у нас в телеграме первыми — @adposium_ai.