metadata
title: Harbor Qwen GRPO Experiment
emoji: ⚓
colorFrom: blue
colorTo: indigo
sdk: static
app_file: index.html
pinned: false
short_description: Harbor 代码智能体强化学习实验档案
Harbor Qwen GRPO Experiment
这是一个以实验证据为基础的工具调用代码智能体强化学习项目档案。项目使用 Harbor、rLLM、veRL、vLLM、GRPO 和原生价值模型/GAE PPO，覆盖数据冻结、沙箱执行、训练、检查点评测和失败归因。
项目已于 2026 年 8 月 30 日完成 P0 评测。在统一 64K 协议下，原始 SFT 模型和父 PPO 检查点取得相同的总体结果：冻结 SWE-Smith 测试集均为 6/38，SWE-bench Verified 27 题均为 9/27。两个面板的任务级精确 McNemar 检验均为 p=1.0，因此本项目不宣称 PPO 带来了经过验证的整体能力提升。
通过 Space 应用打开 index.html，可以查看项目概览、实验数据和整理后的项目文档。
关联仓库
- 数据集：keryszhan/harbor-swesmith-rl-artifacts（已上传，当前为私有）
- 模型：keryszhan/klear-agentforge-8b-ppo-step20-adapter（已上传，当前为私有；使用前需取得受访问门控基础模型的访问权限）
发布范围
本 Space 包含经过筛选的项目文档和源码快照，明确排除凭据、运行状态、私有镜像仓库材料、上游仓库副本、容器镜像和原始训练检查点。