AI 與科技 / 報道
同一模型，換個框架就從 62% 變成 33%
Hugging Face 發佈多框架強化學習實驗：同一組 LFM2.5-2.6B 權重，在 Mini-SWE-Agent 的成功率為 62.1%，在 Claude Code 為 33.2%。這衡量的是 250 道留出的數據分析任務，不是通用編程榜單。
模型之外，框架決定上下文如何組織、工具如何呈現、失敗如何重試以及何時停止。因此，把模型權重保持不變，也沒有把整個代理系統保持不變。研究用捕獲代理記錄準確的生成 token 與概率，再通過 OpenEnv、Harbor 和 TRL 接上環境、任務與訓練。
在 OpenCode、Claude Code、Codex、Mini-SWE-Agent 四種框架混合訓練後，平均成功率從基礎模型的 42.2% 升至 54.2%。只在 OpenCode 訓練的版本平均為 52.3%，而在 OpenCode 自身達到 58%；多框架版本在 Claude Code 和 Codex 上更好。平均差距僅 1.9 個百分點，作者明確說在噪聲範圍內。
“少用 31.1% 工具調用”的分母，是基礎版和訓練版都做對的任務，不是全部任務或全部費用。兩個訓練各只有一個隨機種子，混合版還看了更多不同任務、處理更多 token；缺少去掉效率獎勵的對照，不能把改善全歸因於某一獎勵設計。
實驗的實用啟示是：評測要連同實際框架一起做，單一環境的高分未必能遷移。代碼和模型已開放，但這組結果還不足以證明混合訓練在任何任務、每個框架或同等算力下都佔優。
出處與繼續閱讀
原帖與補充依據已讀
取材線索來自已核對關注賬號：@huggingface。