요약·해설: 긱하우스 편집팀. 편집 책임: 장진호 대표
피드로 돌아가기Qwen3.8-27B에 하네스별 LoRA 적용…정확도 높이고 토큰 사용 줄여
긱하우스 편집팀 · 출처와 편집 원칙
편집자 요약
Hugging Face는 Qwen3.8-27B를 Pi, Hermes Agent, OpenCode 하네스 각각에 맞춰 강화학습하고 LoRA 어댑터를 훈련했습니다. Pi에서 Terminal-Bench 2.1 점수는 기본 모델의 39%에서 55%로 올랐고, 작업당 평균 토큰 사용량은 2.9K에서 1.5K로 줄었습니다. 세 어댑터를 하나로 합친 모델도 세 하네스에서 사용할 수 있다고 밝혔습니다.
해설
하네스 안에서 생성된 실제 실행 기록으로 모델을 조정하면, 개발팀은 사용하는 도구 환경에 맞춰 정확도와 추론 비용을 함께 최적화할 수 있습니다. 다만 보고된 성과는 Qwen3.8-27B와 특정 코딩 작업·하네스 조합에 한정되며, 다른 모델이나 업무에서 효과가 재현되는지와 강화학습 데이터의 검증 품질이 결과에 미치는 영향은 별도 확인이 필요합니다.