以前我们能想到的让 PI 更好用的方式,通常是安装插件、调整提示词或者修改工作流
但是这次换了一种思路,直接从底座基座模型开始训练,为了针对每一个Harness 做适配
简单理解,就是让模型在 Pi 里面反复完成真实的编程任务,根据任务有没有成功、测试能不能通过来调整它的行为
相当于让一个原本会写代码的程序员,专门熟悉 Pi 的工具和操作习惯,学会用更少的步骤完成任务
而且这次不是从零训练模型,而是在原版 Qwen 上通过强化学习和 LoRA 做针对性优化
根据项目方测试,SWE-bench Pro 的通过率从 29.4% 提升到了 62.7%,工具调用次数减少了 55%~62%
我觉得最有意思的是思考和实现的方式,这次是直接从模型本身出发针对 Agent 进行训练
以后我们选择模型,可能不只是考虑它写代码有多强,还要看它能不能真正用好 Agent 提供的工具
目前模型权重已经公开,也可以尝试本地部署,不过这些成绩还是特定测试环境下的结果,并不代表所有任务都有同样的提升