AI 与科技 / 报道
同一模型，换个框架就从 62% 变成 33%
Hugging Face 发布多框架强化学习实验：同一组 LFM2.5-2.6B 权重，在 Mini-SWE-Agent 的成功率为 62.1%，在 Claude Code 为 33.2%。这衡量的是 250 道留出的数据分析任务，不是通用编程榜单。
模型之外，框架决定上下文如何组织、工具如何呈现、失败如何重试以及何时停止。因此，把模型权重保持不变，也没有把整个代理系统保持不变。研究用捕获代理记录准确的生成 token 与概率，再通过 OpenEnv、Harbor 和 TRL 接上环境、任务与训练。
在 OpenCode、Claude Code、Codex、Mini-SWE-Agent 四种框架混合训练后，平均成功率从基础模型的 42.2% 升至 54.2%。只在 OpenCode 训练的版本平均为 52.3%，而在 OpenCode 自身达到 58%；多框架版本在 Claude Code 和 Codex 上更好。平均差距仅 1.9 个百分点，作者明确说在噪声范围内。
“少用 31.1% 工具调用”的分母，是基础版和训练版都做对的任务，不是全部任务或全部费用。两个训练各只有一个随机种子，混合版还看了更多不同任务、处理更多 token；缺少去掉效率奖励的对照，不能把改善全归因于某一奖励设计。
实验的实用启示是：评测要连同实际框架一起做，单一环境的高分未必能迁移。代码和模型已开放，但这组结果还不足以证明混合训练在任何任务、每个框架或同等算力下都占优。
出处与继续阅读
原帖与补充依据已读