SkillGym 基于技能轨迹微调 Qwen3.5-35B-A3B
一篇论文提出 SkillGym，将人工编写的技能转化为 2,756 个训练环境，并基于 8,364 条成功轨迹进行微调。论文报告称，运行于 Claude Code 的 Qwen3.5-35B-A3B 随后在 Terminal-Bench 2.1 上提高 19.10 分，并在技能辅助的 SkillsBench v1.1 上达到 51.47%。
#fine-tuning
查看全部AI快讯LangSmith 微调 CLI smithtune 可在 FireworksAI_HQ 与 baseten 上训练
Ankush Gola 表示，smithtune 会从 LangSmith 拉取、筛选并处理轨迹，在 FireworksAI_HQ 和 baseten 上训练，再用 LangSmith 评估结果。代码位于 langchain-ai 的 GitHub 仓库。
Fireworks 表示，它是 LangSmith Fine-Tuning 与 smithtune 的首发训练合作伙伴
Fireworks 表示，它是 LangChain 的 LangSmith Fine-Tuning 与 smithtune 的首发训练合作伙伴，并描述了一条只需一条 CLI、无需单独训练基础设施的路径：从 LangSmith 轨迹到 Fireworks 上的托管 SFT，再到评估与部署。
Daniel van Strien 训练 1.94 亿参数 GLiNER2 模型，为 Hugging Face 数据集建议任务标签
该模型在 Hugging Face Jobs 上训练，费用约 1.50 美元，可根据数据集的列名和第一行给出任务标签及概率。Daniel van Strien 称，17 分钟微调将其首条建议与所有者标签的匹配率从 10% 提高到 69%。