CMU等提出Harness Learning：4B模型改写Agent框架代码反超35B教师

约翰霍普金斯大学与卡内基梅隆大学的研究者发表论文《Harness Learning Enables Generalizable Test-Time Adaptation》，提出不改模型权重，而是用强化学习训练一个4B参数的提案模型，从运行失败报告中学习改写agent的harness代码（即决定模型看到什么、调用哪些工具的脚手架代码），从而提升agent表现。实验显示该4B小模型效果反超35B教师模型，并能泛化到新任务。

2026-10-04 ~ 2026-10-06 · 3 条相关

• CMU 论文用 RL 训练 4B 提案模型改 harness 代码，反超 35B 教师 — omarsar0 · 2026-10-04
• JHU与CMU提出Harness Learning：小模型学会改写Agent脚手架并泛化到新任务 — rohanpaul_ai · 2026-10-06
• CMU 论文：4B 小模型学会改写 Agent 框架代码，效果超 35B 教师模型 — rohanpaul_ai · 2026-10-06