Klear-AgentForge: Agentische Intelligenz durch Post-Training-Skalierung

In der Open‑Source‑Community fehlt bislang ein klarer Leitfaden für die Nachschulung leistungsstarker Agenten. Mit dem neuen Pipeline‑Projekt Klear‑Qwen3‑AgentForge wird dieses Problem angegangen: Das System baut auf dem Basismodell Qwen3‑8B auf und führt gezielte Feinabstimmungen durch.

Der Ansatz kombiniert synthetisch generierte Daten für ein effektives supervised fine‑tuning (SFT) mit anschließendem mehrstufigem Reinforcement‑Learning (RL). Durch diese Kombination werden die Modelle in der Lage versetzt, komplexe Aufgaben in mehreren Interaktionsrunden zu bewältigen.

In exklusiven Tests auf diversen Agenten‑Benchmarks – sowohl im Tool‑Use‑ als auch im Coding‑Bereich – erreicht Klear‑Qwen3‑AgentForge‑8B einen Stand‑der‑Kunst‑Wert unter Modellen gleicher Größe. Gleichzeitig bleibt es mit deutlich größeren Modellen konkurrenzfähig.

Das Projekt stellt damit einen wichtigen Meilenstein dar: Es liefert eine vollständig offene Pipeline, die es Forschern und Entwicklern ermöglicht, leistungsfähige Agenten zu trainieren, ohne auf proprietäre Systeme angewiesen zu sein. Dadurch wird die Entwicklung von Agenten, die mit externen Werkzeugen und Umgebungen interagieren können, deutlich zugänglicher und fördert die Innovation in der KI‑Forschung.