训练一次 harness，四个模型的 Terminal-Bench 都涨了
Megadragon9 · reddit · 2026-07-24
只训练 harness，不训练模型本体，也能把 Terminal-Bench 拉高
作者分享了一个实验：他们训练的不是底座模型，而是 agent harness 本身——也就是 prompts、tools、context management、repair loops 这些外围系统。结果是 Terminal-Bench 2.0 的分数在多个模型上都提升了，包括 DeepSeek v3.2、GPT-OSS 20B/120B、MiniMax M2.5，而且还超过了官方 Terminus 2 harness。
这套方法的要点是：
- 把模型冻结，只优化 harness
- harness 代码只有一个 Python 文件
- 训练循环会提出修改，再按量化标准决定是否晋级
- 作者用一台租来的、带 5090 GPU 的服务器跑了一个小模型 Qwen 3.6 35B A3B NVFP4 来训练 harness
作者认为，这种方式带来的改进具有一定 跨任务环境迁移性，而不是只对训练时用的模型有效。文章还提到，他们顺手做了一个更通用的、类似 PyTorch 风格的 agent harness 训练框架，可接 OpenAI-compatible API，也能用于 Terminal-Bench 和 SWE-Bench；最初版本最大的短板是 确定性不足。
「编程与Agent」频道最新
- Greg Kamradt 看好 Agent 工作区里的可丢弃 URL — GregKamradt · 2026-07-24
- Sentry 的 Seer agent 在 Slack 里直接查出 Notion MCP 用量 — zeeg · 2026-07-24
- Greg Kamradt：vibe coding 在抬高下限，也在抬高上限 — GregKamradt · 2026-07-24
- HubSpot 推出 Agent Builder，企业级智能体构建进入公测 — gaganghotra_ · 2026-07-24
- Atomic Mail 用 MCP 和 Agent Skills 测试两款邮箱智能体 — testingcatalog · 2026-07-24
- Reddit 讨论：如何用 Wati BYOA 构建定制化 WhatsApp 销售 Agent — pepper_n_spice · 2026-07-24