个人微调 Qwen3.8-27B-pi：修复推理力度乱序，省 41% token

独立开发者微调出 Qwen3.8-27B-pi，修复基座模型 reasoning 力度乱序，专攻 Pi 编码 agent 场景。经 SFT 加 GRPO 训练后，力度排序在 Terminal-Bench 2.1、GPQA Diamond、SciCode 上均成立。