多 harness 强化学习指南爆火 Kimi、DeepSeek 均已采用

「多 harness 强化学习」正成为大模型训练新趋势。adithyask 团队发布的《The Ultimate Guide to Multi-Harness RL》一周内获 5 万+阅读、连登 Twitter 热榜三天；文中案例显示 LFM2.5 借此将成绩从 42% 提升至 54%，工具调用成本降低 31%。开发者 zainhas 指出，在多套评测/推理框架上做 RL 正让「选对单一 harness」变得过时，Kimi K3、MiniMax M3 等模型据称已在混用多 harness 训练。

2026-10-10 ~ 2026-10-11 · 3 条相关

• 多 harness RL 指南爆火：LFM2.5 从 42% 提到 54%，工具调用省 31% — SergioPaniego · 2026-10-10
• 多 harness 强化学习兴起，Kimi、DeepSeek 等混用训练 — zainhas · 2026-10-11
• 推荐阅读:一文讲透 multi-harness RL 训练方法 — zainhas · 2026-10-11