Qwen3.8-27B 行为后训练：SFT、SimPO 与混合精度量化 2026-09-05 9 min • updated 2026-09-08 依据作者完整实验记录整理：诊断 Qwen3.8-27B 的无效长思考，比较三周 SFT、RLVR、SimPO 与混合精度量化，并提炼可迁移到本地 Agent 的方法。