Qwen3 Coder Plus

Qwen3 Coder 30B 通过 ReAct SFT 增强以提升编码竞技场表现

研究人员开发了一种名为 ReAct SFT 的新微调技术，以提高 Qwen3 Coder 30B 模型在编码竞赛中的表现。在 CodeClash Arena 基准测试中排名最后的 Qwen3 Coder Plus 模型，在多轮比赛中难以理解用户意图和调整策略。ReAct SFT 通过将训练数据重构为明确的观察、思考和行动链，并对样本进行加权以鼓励事后编辑检查来解决这个问题。这种微调模型表现出改进的策略行为，并在比赛评估中优于原始 Qw…