Hugging Face поднял точность кодовых моделей с 42% до 54% через multi-harness RL

Hugging Face опубликовала гайд по обучению языковых моделей через reinforcement learning сразу в четырёх форматах API агентов. Команда обучила модель LFM2.5-2.6B от Liquid AI одновременно в OpenCode, Claude Code, Codex и Gemini — вместо обучения в каждом отдельно. После этого точность выросла с 42% до 54%, а количество вызовов инструментов сократилось на 31%.

Обучение только в одном харнессе (OpenCode) поднимало его до 58%, но мультихарнесс-модель показала лучший результат во всех четырёх. Для сравнения: supervised fine-tuning на 3189 успешных траекториях Qwen3.8-27B достиг только 47,5%. Весь код, данные и семь обученных моделей открыты в Hugging Face.