# Hugging Face发布LoRA适配器，提升Qwen3.8编程表现

> 新推出的Qwen3.8‑27B‑pi‑adapted LoRA适配器将SWE‑bench Pro pass@1从39%提升至65%，并改善Terminal‑Bench表现。

Oossa · 2026-11-18 · https://oossa.com/zh/hugging-face-releases-lora-adapter-that-boosts-qwen3-8-coding-scores

Hugging Face于2026年11月18日宣布推出适用于Qwen3.8‑27B模型的全新LoRA适配器。该适配器名为Qwen3.8‑27B‑pi‑adapted，采用Apache‑2.0许可证发布，专为pi编程智能体打造。它通过强化学习进行训练，这种技术能让模型根据自身输出获得反馈并不断改进。Hugging Face表示，该适配器提升了模型在两套基准测试中的编程表现。

在衡量模型能否针对一组高难度问题编写正确代码的SWE‑bench Pro hard‑51测试中，使用该适配器后，pass@1从39.2%升至64.7%。Pass@1指模型首次尝试就给出正确答案的比例。在评估终端环境中运行代码表现的Terminal‑Bench 2.1测试中，pass@1则从39.5%升至55.8%。

这两项提升数据均由Hugging Face公布。公司提供免费下载，开发者无需重新训练整个模型，就能将适配器添加到现有的Qwen3.8部署中。该适配器可与现有的pi编程智能体配合使用；这是一款能根据自然语言提示生成代码的工具。

此次发布延续了使用轻量级适配器为模型定制特定任务能力的趋势。这类适配器通过少量参数调整大型模型。LoRA（低秩适配）适配器颇受欢迎，因为与完整微调相比，它所需的计算资源少得多，而且可以按需切换。

## 这项提升对开发者有何意义

pass@1分数提高，意味着开发者花在修正生成代码上的时间更少。在高难度编程问题上达到65%的成功率，或能让AI辅助编程更可靠地应用于复杂项目。适配器免费且开源，也降低了小团队和业余开发者的使用门槛，让无力承担大规模模型训练成本的人也能尝试。

不过，这些数据仍仅适用于特定基准测试。真实代码库可能会带来不同挑战，而且适配器在其他任务上的表现尚未公布。用户需要在自己的工作流程中进行测试，才能了解它的实际效果。

## 事实

- Hugging Face于2026-11-18发布了Qwen3.8‑27B‑pi‑adapted。
- 该适配器是采用强化学习训练、以Apache‑2.0许可证发布的LoRA适配器。
- 使用该适配器后，SWE‑bench Pro hard‑51 pass@1从39.2%升至64.7%。
- 使用该适配器后，Terminal‑Bench 2.1 pass@1从39.5%升至55.8%。

## 为什么重要

使用该适配器时，开发者有望减少修正代码的工作量，让AI生成的代码更适用于高难度编程任务。适配器免费且轻量，小团队无需承担高昂的计算成本就能尝试，不过仍需在自己的代码库中验证效果。

## 来源与参考

1. [New LoRA Adapter Lifts Qwen3.8 Coding Success From 39% to 65%](https://www.marktechpost.com/2026/11/18/hugging-face-qwen3-8-27b-pi-adapted-lora/) – MarkTechPost, 2026-11-18

最后更新: 2026-11-18
