Hugging Face 用 RL+LoRA 适配器将推理模型改造成 Agent

Hugging Face 团队发表研究，探索用 RL 与轻量 LoRA 适配器把推理模型改造成具备工具调用能力的 Agent。初步评测显示，未经 agentic 工具使用专门训练的 TwIL-8B，在 opencode、hermes、pi 三种 agent harness 中均超过 LFM3-1.7B，得分分别为 0.822、0.632、0.573。