长时程智能体后训练可用短任务，再由 harness 拉长 8–32 倍
omarsar0 · x · 2026-07-21
一个很有意思的后训练思路是：
- 训练长时程智能体，不一定要真的用长回合 rollout。
- 可以先在短任务上训练，这类任务的奖励更便宜、验证也更容易。
- 再让外部 harness 把任务链路继续“拉长” 8–32 倍。
核心意思是：把长时程 credit assignment 的难题，从训练数据本身转移到可控的外部执行框架里。
「编程与Agent」频道最新
- Coding agents 正走向 AI 写、AI 审、人工批的流程 — aftahi_ai · 2026-07-22
- oMLX 0.5.2 增加菜单栏统计和低比特解码内核 — awnihannun · 2026-07-22
- GitHub 机器人审到上限，PR 还要等 39 分钟 — DanielLockyer · 2026-07-22
- Codex Remote 的 Max 推理强度疑似只在移动端开放 — GabGarrett · 2026-07-22
- 有人用 MCP 做了个 demo，主张商店应把价格和购物车开放给 AI — gelembjuk · 2026-07-22
- 开源 AI SDK provider 让 Vercel 应用接入本地 Codex 订阅 — lgrammel · 2026-07-22