> Надежный вызов инструментов для агентного кодирования — точная настройка LoRA Qwen3.5-9B > Выпущена версия v1.1-DPO — Согласование DPO повышает корректность кода и самопроверку. > Если вы загрузили версию до 28 марта 2026 г., повторите попытку, чтобы получить версию 1.1-DPO. Маленькие языковые модели могут рассуждать о коде, но им сложно надежно вызывать инструменты. DeltaCoder использует прочную базу рассуждений и учит ее генерировать правильно отформатированные вызовы инструментов JSON — того типа, от которого зависят такие агенты кодирования, как OpenCode, Pi и Cline. В версии 1.1-DPO добавлена оптимизация прямых предпочтений для дальнейшего повышения корректности кода — теперь модель самостоятельно исправляет свои ошибки, а не отправляет неправильные ответы. Анализ рассуждений Qwen3.5-9B Джекронга набрал 53,7% на HumanEval — лучший результат в своем классе с 9B. Но при использовании в качестве агента кодирования он часто создает некорректные вызовы инструментов JSON: DeltaCoder исправляет это, а версия 1.1-DPO еще больше повышает корректность кода за счет изучения предпочтений. — Самокорректирующееся поведение — обнаруживает и исправляет собственные ошибки во время выполнения агентских задач. — Улучшенная корректность кода — обучение на 4519 парах предпочтений из AceCode-V2-122K. — Двухэтапное слияние — улучшения вызова инструментов SFT v1 + улучшения качества кода DPO вместе взятые — 13 GGUF…
Модальности:
Генерация текста
Области применения:
Генерация кода Логика и рассуждение Диалог / чат
Задача: Генерация текста
Автор: danielcherubini
Теги: qwen3.5, code, tool-calling, lora, sft, dpo, unsloth, reasoning
Лайков: 9 | Загрузок: 0
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
