Hugging Face 的 harness-hub 团队基于 AsyncGRPO 强化学习,开源了专为 pi 编程调度器微调的 Apache-2.0 协议 LoRA 适配器 Qwen3.8-27B-pi-adapted。在关闭思考模式下,它在 SWE-bench Pro(hard-51)上的编程成功率从 39.2% 暴涨至 64.7%,追平开启最高强度思考的基座模型,同时交互轮次减半、生成 Token 减少约 4.5 倍。本文深度拆解其强化学习训练配方、vLLM 与 llama.cpp GGUF 部署命令及真实局…