Harness-S：用兄弟 Harness 拯救失败 rollout 训练通用智能体

上海交大、小红书、CMU 等机构的论文提出 Harness-S，一种选择性 harness 拯救训练方法，用于训练更通用的 agent。其核心观察是：同一基座演化的不同「兄弟 harness」可以用来拯救失败的 rollout，再将成功经验蒸馏回单一策略，从而提升训练效率与 agent 的通用性。

2026-11-06 ~ 2026-11-06 · 2 条相关