AREX Feed Article
Hugging Face 宣布训练运行可在平台直播：一个实时仪表盘正在更新 9 个 RL 训练
北京时间 11 月 6 日 22 时 43 分（UTC 14 时 43 分 51 秒），Hugging Face 官方账号 @huggingface 发布一条只有一句话的帖子：「Stream live training runs on Hugging Face!」，宣布可以在平台上流式直播（stream）实时的训练运行（live training runs）。帖子没有附链接、截图或使用说明；截至 11 月 6 日晚（UTC）检索时，这条帖子约有 1.36 万次浏览、64 条回复和约 110 个点赞（）。
但这次官宣并非只有口号。同一天早些时候（UTC 14 时 13 分）发布的官方博客《Harness adapters: Safe RL for efficient agentic development》给出了一个可以打开的实例：三个模型、共 9 个强化学习训练正在 hf.space 域名下的上直播，博客明确写着「最终训练正在直播」（The final runs are streamed live）。截至发稿（UTC 时间 11 月 6 日 18 时 27 分）的页面截图显示，9 个运行已完成 897/2100 步，三个训练作业累计花费 348 美元。
一句话推文，和一个可以打开的直播间
这条本身没有给出功能入口、使用方式、支持框架或适用范围；发帖账号是已认证的 @huggingface，简介为「The AI community building the future」。把它与放在一起看，这次「直播训练」的形态已经具体可见：博客指向的标题为「Live harness adapters training」，页面顶部标注「Final runs, live」，设有 Train reward（训练奖励）、Held-out pass@1（留出任务通过率）、Tool calls on solved tasks（解题所需工具调用数）和 safeagents 事件流四个区块。发稿前的实测中，页面可正常打开，数据随接口持续刷新。
不过，可公开检索到的官方材料目前只有这条推文、这篇博客和这个仪表盘：没有通用产品页，没有文档，也没有对支持范围的说明。截至发稿，公开搜索中亦未见到独立媒体的跟进报道。目前能确认的事实有两条：「Hugging Face 宣布可以直播训练运行」，以及「有一个项目的训练正在被直播」；至于这项能力是否面向所有用户、所有训练作业，上述材料都没有给出答案。
直播间里跑的是什么：一个底座模型，九个 LoRA 适配器
正在直播的是 Hugging Face 的 harness adapters 项目。按的说法，同一个模型在不同 agent 任务架（harness）里表现不同，因为每个任务架有自己的工具、提示词和控制流。团队的做法是在一个底座模型上为每个任务架单独训练一个小型 LoRA（低秩适配器）：训练在未经修改的 pi、opencode、hermes 三个 agent 任务架内部进行，用强化学习算法 GRPO（组相对策略优化），训练器为 Hugging Face 训练库 TRL 的 AsyncGRPOTrainer，LoRA 秩为 32，每个任务每轮做 8 个 rollout（模型对同一任务的一次完整尝试）。博客的冒烟测试显示，在留出任务上，装上适配器的模型比底座模型用更少的工具调用，同时保持或提高准确率。
仪表盘显示 9 个强化学习（RL）运行对应 3 个模型 × 3 个任务架：LiquidAI 的混合专家模型 LFM2.5-24B-A2B（激活参数 2B）和小型混合架构模型 LFM3-1.7B 是正式运行，步数上限分别为 200 和 400；webAI 的 8.8B 稠密推理模型 TwIL-8B 是实验组，模型卡注明它从未做过 agent 训练，团队想看看这种模型能否给出正向信号。TwIL-8B 的步数上限存在口径出入：正文写 300 步，当前显示 100 步，9 个运行的接口数据与后者一致，本文以仪表盘数字为准。
训练跑在 Hugging Face 自己的托管算力服务 HF Jobs 上：LFM3-1.7B 用 2 块 NVIDIA H200，其余运行用 4 块；每个运行的总成本直接显示在上。据仪表盘接口数据（），9 个运行都在 11 月 6 日 UTC 11 时 15 分前后启动——比那条官宣推文早了约三个半小时。每个运行混合 SmolDataEnvs 数据分析任务与 230 个由公开 agent 轨迹改造的 traj2envs 可验证任务，每 10 步保存一次 checkpoint（模型检查点）并立即评估。
观众能看到什么：曲线、分数、拦截记录和账单
把这次训练的关键数字摊开。发稿时的截图显示，除上述成本与步数外，进入梯度更新的 rollout 共 21,314 个；工具调用检查了 179,234 次，其中 64 次被拦截、259 次标记可疑；14 个 checkpoint 完成留出评估。分运行看，LFM2.5-24B-A2B 的 pi 适配器在 checkpoint 40 的留出通过率为 86.0%，LFM3-1.7B 的 opencode 适配器在 checkpoint 100 达到 78.7%，比底座模型高出 9.3 个百分点；TwIL-8B 的 opencode 运行已跑完 100 步，另两个 TwIL 运行尚未产出已评估的 checkpoint。
安全机制是直播内容的一部分。每个工具调用在执行前都要经过 代理的规则检查，规则判断只需约 10～20 毫秒；被拦截的调用不会运行，替换为一段说明文字，整个 rollout 得 0 分。拦截记录实时出现在仪表盘事件流里：接口数据中可见近期有运行试图访问对话中从未出现过的 en.wikipedia.org 和 example.com，调用在执行前被拦下。博客还记录了更早的一个案例：11 月 5 日 UTC 11 时 56 分，TwIL-8B 在冒烟测试的第 0 步不去计算答案，而是试图列出存放任务数据的 Hugging Face 存储桶，被规则当场拦截，该 rollout 得 0 分。
这笔账也算得清楚。举例：正因为 LoRA 适配器可以在一个 vLLM 推理服务里并排加载，LFM2.5-24B-A2B 的 9 个 checkpoint、共 1,350 个 agent 会话的评估在单个 H200 作业中不到一小时跑完，只花约 5 美元 GPU 费用；若把每个 checkpoint 合并成完整权重逐一评估，同样的工作量约需 90 美元。博客强调，环境、safeagents 规则、训练配方、每个 checkpoint 的评估和每条被拦截的调用全部公开。
回复区：上瘾的围观者与泼冷水的人
推文发出两分钟后，回复区开始热闹。用户 Saumya Verma（@nikkuv5787）说「老实说，实时盯着一条 loss 曲线看，会有一种说不清的上瘾感」；David Miller（@DavidMiller）写道「实时看训练运行，成了新的 doomscroll（无意识刷屏）」；账号 @ContextWindowed 补了一句：「训练运行成了观赛项目，loss 曲线成了内容。」用户 Adam（@dad__vibes）则认为「Hub 上的训练直播，会让很多训练过程不再那么孤独」（、、、）。
质疑声同样具体。中文用户 @luyun0120 在回复中写道：「训练日志实时化早就被 W&B 和 TensorBoard 做完了，真正的看点是把 checkpoint 和数据集流水线也推到浏览器里，但托管集群按 GPU 小时计费，小团队自己搭一套反而更省。」用户 Mladen Lotar（@lotar_vk）则问了一个操作层面的问题：「直播训练：能不能在不杀掉整个作业的情况下暂停一个失败的步骤？」（、）
这两条回复指向同一处空白：推文本身没有给出答案，博客和仪表盘也只覆盖这个项目自身的形态。在公开检索得到的材料里，找不到「直播训练」会走出 harness adapters、变成平台上任何训练作业都能用的通用功能的说明。等这 9 个运行按各自的步数上限跑完，这个直播间也就没有内容可播了。