TWITTER / X
低成本 RL 微调方案：20 美元以内让 Qwen3.5-0.8B 在工具调用测试集上从 10% 提升到 36%
推主转发 younes 的介绍帖，宣称可通过结合强化学习（RL）与 Hugging Face jobs 的方式，在目标 harness 上以不到 20 美元的成本微调小模型。据作者声称，该方法将 Qwen3.5-0.8B 在其测试集上的表现从 10% 提升至 36%，同时把工具调用次数减少了近一半；整套流程可在单张 24GB GPU 上运行，且无需生成合成轨迹（synthetic trajectories）。帖文附有详细线程（🧵），但冻结文本中仅包含此引导段，具体方法细节未呈现。
AI 解读
本条属于 AI 模型训练/微调方法类内容，具有明确的新闻价值：它针对的是"低成本让小模型适配特定智能体任务 harness"这一实际痛点，方法要素（RL + HF jobs、单张 24GB GPU、无需合成轨迹）均为原文明确陈述。需要区分的边界：10%→36% 的提升幅度、"工具调用减少近一半"等均为作者声称的性能数据，未经独立验证，且测试集为其自有测试集，泛化性无法从文本确认；"Qwen3.5-0.8B"这一模型名称与官方命名是否一致也无法从材料核实。合理的行业推断（明确为推断）：如果该方法可复现，可能降低智能体场景下小模型定制的门槛与成本，对边缘部署和低成本 AI 应用有潜在影响，但这取决于线程后续细节（RL 算法、奖励设计、harness 细节），冻结文本未提供。发布时间 2026-10-19，属于较新内容。
推文原文
RT younes Adapt your small model on your target harness with less than 20$ using RL + HF jobs ! We improved Qwen3.5-0.8B from 10% to 36% on our test set by reducing the number of tool calls by almost 2. Everything fits on a single 24GB GPU and no need to generate synthetic trajectories ! 🧵 👇