Qwen3-4B harness 复现只是可运行原型，不是完整论文复刻
ben_burtenshaw · x · 2026-07-23
这条回复主要是在澄清复现实验的边界。
- 作者强调：这不是论文的完整复刻，而是一个能跑起来、方便大家 tinkering 的工作版复现。
- 核心机制仍然是：
- 只在短 TREC 上训练；
- 长输入不进主上下文；
- 用 RL 学习 root decomposition；
- 再直接拿去测更长或跨域输入。
- 他还补充了几个简化前提：
- 用更小的模型；
- subcaller 冻结；
- 策略训练更短；
- subcall budget 更低。
- 另外，论文里的 trajectory similarity 指标目前还没算。
所属事件:开发者基于 Qwen3-4B 构建 RL harness 可运行原型(2 条相关)→
「编程与Agent」频道最新
- Kolab 基准：真人屏幕录像揭示 AI Agent 高估自身协作质量 — minnesotanlp · 2026-10-27
- 开发者吐槽 Claude 烧 token：同样工作 GPT 省 3 倍用量更便宜 — haider1 · 2026-10-27
- InfoWorld：别把模型当地基，Agent 架构必须做到 48 小时可换模型 — rseroter · 2026-10-27
- 便宜模型跑 Agent 反而更贵：线性往返堆爆上下文窗口 — vasuman · 2026-10-27
- 5 千行 Rust 单二进制看板 Kanzo：给 Claude Code 当任务板 — allmudi · 2026-10-27
- 「人类审批就安全」是幻觉：approval fatigue 与 Agent 风险设计 — Efistoffeles · 2026-10-27