Hugging Face 发布全开源多 harness 强化学习指南
Hugging Face 后训练团队(Lewis Tunstall 等)发布了一份完全开源的多 harness 强化学习(multi-harness RL)指南,起因是一个关键观察:同一模型、同一权重,在不同 agent harness(如 Claude Code、Codex、OpenCode、Mini-SWE-Agent)中的表现差异巨大。多位转述者(Saboo Shubham、Adithya S K)将其称为「必读」的实用指南,指南面向希望在多个评估/训练 harness 下训练与评估模型的研究者和工程师。
已确认
- 同一模型在不同 harness 中得分差距显著:LFM2.5-2.6B 未训练时在 Mini-SWE-Agent 中解决 62% 任务,而在另一 harness 中仅 33%,分差约 29 个百分点,接近一倍。
- 通过在 harness 内进行 RL 训练,LFM2.5 得分从 42% 提升至 54%,同时工具调用次数减少 31%。
- 指南完全开源;Lewis 指出各家 agent 都有自定义 harness(如 Pi + 扩展),模型换 harness 往往掉分,核心技巧之一是不改动 harness 本身,在环境内做训练。
为什么重要
- agent 评测结果高度依赖 harness,单一框架下的分数不能代表模型真实能力,跨 harness 评测与训练成为必要做法。
- 指南展示了用 RL 在 harness 内针对特定环境优化模型的可行路径,且能同时提升成绩与降低工具调用开销,对开源 agent 模型研发者有直接参考价值。
2026-10-01 ~ 2026-10-03 · 6 条相关
一手来源
- HuggingFace 后训练团队发布多编码环境 RL 训练完整指南 — lewtun ·
- LFM2.5 在不同 harness 里成绩差近一倍,用 RL 在 harness 内训练拉到 54% — _lewtun ·
- 同一模型不同 harness 分差 29%,HF 发布多 harness RL 全开源指南 — huggingface ·
- 多 harness RL 指南:LFM2.5 得分 42%→54%,工具调用少 31% — SergioPaniego · 2026-10-01
- 【源头】LFM2.5 在不同 harness 里成绩差近一倍,用 RL 在 harness 内训练拉到 54% — _lewtun · 2026-10-02
- Hugging Face 发布多 harness 强化学习终极指南 — Saboo_Shubham_ · 2026-10-02
- 【源头】同一模型不同 harness 分差 29%,HF 发布多 harness RL 全开源指南 — huggingface · 2026-10-02
- 【源头】HuggingFace 后训练团队发布多编码环境 RL 训练完整指南 — lewtun · 2026-10-03
另有 1 条近重复转述:Saboo_Shubham_