待验证50% 置信基准精确时间
论文在 Qwen3-8B 上进行了 RL 实验，经过 40 个训练步，EnvSched 在 BFCL-v3、tau-Bench 和 ACEBench-Agent 三个基准上取得平均 48.81 的分数。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/28
首次发现
有效期至：2027/1/26
来源
涉及实体
相关事实
待验证从 Qwen3.8-27B 收集了 3189 条成功的 rollout 数据做监督微调（模仿学习），性能停滞在 47.5%，低于两次 RL 训练的成绩71% 相似待验证作者的微调采用 QLoRA 方法，LoRA rank/alpha 为 32/64，学习率 1e-4，批大小 1 梯度累积 16，优化器 AdamW 8-bit，训练 1 epoch69% 相似待验证对比Qwen3-30B-A3B，Hy-Memory-30B-A3B平均提升11分；在训练中从未见过的EverMemOS框架上仍有56.89分。66% 相似待验证Qwen2.5-3B-Instruct 在 EvidenceFlip 上综合得分0.90，动作准确率0.90，冲突检测1.00，抗压能力1.0065% 相似待验证在SWE Bench Pro等智能体编程基准中，Qwen 3.8据称在部分项目上超越了Opus 4.6 Max65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1105988API
curl https://kongchang.com/api/v1/knowledge/claims/1105988MCP
get_claim(id=1105988)