Fix Qwen3 thinking mode + increase max_new_tokens: training/launch_hf_job.py

training/launch_hf_job.py

@@ -169,7 +169,7 @@ def main() -> None:
     p.add_argument("--max-train-tasks", type=int, default=None)
     p.add_argument("--eval-holdout-canonical", type=int, default=3)
     p.add_argument("--eval-holdout-hard", type=int, default=3)
-    p.add_argument("--max-new-tokens", type=int, default=96)
+    p.add_argument("--max-new-tokens", type=int, default=384)
     p.add_argument("--max-prompt-tokens", type=int, default=2048)
     p.add_argument("--format-warmup-tasks", type=int, default=8)
     p.add_argument("--format-warmup-model-id", default=None)