قام Joakimpalm-Zen بتحديث Xyntetik Runner لتدريب محولات LoRA مباشرةً باستخدام نفس أوزان GGUF المُكمّاة التي يستخدمها للاستدلال، مما يلغي الحاجة إلى نسخة تدريب منفصلة بدقة FP16 أو وقت تشغيل مخصص.
- تم تدريب محول LoRA يعتمد على استخدام الأدوات ضد نموذج Qwen3-4B Q4_K_M GGUF المجمّد، وحقق دقة قدرها 1.00 في استدعاءات الأدوات الدقيقة واختيار الأداة الصحيحة في التقييمات المعزولة.
- أنتج تشغيلان مستقلان باستخدام نفس أوزان GGUF الأساسية ومجموعة البيانات والبذرة والتكوين محولات GGUF مطابقة تماماً على مستوى البايت مع تجاويف SHA256 متطابقة.
- أظهرت المقارنات عبر التكميات BF16 وQ8_0 وQ4_K_M أنه بينما حققت جميعها دقة قدرها 1.00، اتبع التدريب عبر Q4 مسار تحسين مختلفاً بشكل قابل للقياس (تشابه جيب التمام 0.9926) مقارنةً بالإصدارات ذات الدقة الأعلى.
يوفر المؤلف كامل أدوات إعادة الإنتاج على Hugging Face لكنه يشير إلى أن التجربة محدودة بمهمة تركيبية ضيقة وبيانات صغيرة، وتخدم أساساً كعرض توضيحي لآلية التدريب والخصائص الحتمية بدلاً من تحسين القدرات العامة.