开源实验用 RL 训出 9 个 agent 适配器，工具效率最高提升 43%

一项开源实验宣布完成：基于 LiquidAI 的 LFM2.5-24B、LFM3 与 Twil-8B，使用 HuggingFace Jobs 进行超过 1900 步 RL 训练，产出 9 个针对 pi、hermes 和 opencode 三种编码工具优化的 agent harness 适配器，工具效率最高提升 43%。训练期间 safeagents 拦截了 179 次工具调用（占比 0.04%）以防 reward hacking，但作者复盘发现其中很多是误报，例如在无害网站上尝试随机脚本也被拦下。

2026-11-09 ~ 2026-11-09 · 4 条相关

• 1900 步 RL 训出 9 个开源 agent 适配器：工具效率最高提升 43% — yb2698 · 2026-11-09
• 179 次拦截多为误报：开源 agent RL 的 reward hacking 防线复盘 — yb2698 · 2026-11-09
• LFM3 等模型新增 harness 适配器，用 RL 专训 agent 开发效率 — yb2698 · 2026-11-09
• LiquidAI 模型专用工具调用适配器：工具效率最高提升 43% — ariG23498 · 2026-11-09