LFM2.5 在不同 harness 里成绩差近一倍,用 RL 在 harness 内训练拉到 54%
_lewtun · x · 2026-10-02
Hugging Face 的 Lewis Tunstall 发布技术深潜:同一模型在不同 agent harness 中表现差异巨大——LFM2.5-2.6B 未训练时在 Mini-SWE-Agent 解决 62% 任务,在 Claude Code 仅 33%。
核心难点与解法:harness 控制 agent loop,训练器拿不到模型实际产出的 token。团队方案:
- 用 OpenEnv 中的 capture proxy 记录 harness 里的 token + logprobs
- 用 Harbor 框架提供任务与沙箱
- 用 TRL 的异步 GRPO trainer 快速训练
结果:跨 4 个 harness 训练 LFM2.5-2.6B 后,held-out 任务成绩从 42% 提升到 54%,每个 harness 都有提升,且完成任务所需工具调用减少 31%。
所属事件:Hugging Face 发布全开源多 harness 强化学习指南(6 条相关)→
「编程与Agent」频道最新
- Murat 发布 TLAPS-Bench:用 TLA+ 形式化证明真实系统规格的正确性 — tianyin_xu · 2026-11-19
- Rivet 实战经验:别让 JEV 推理,拆成微小是非题反而更准 — yawnxyz · 2026-11-19
- 16 次 MVP 老手用原生 PowerShell 给微软 Intelligent Terminal 造了个自定义 Agent — dfinke · 2026-11-19
- 马斯克喊话:把 Grok Bot 当成一个很聪明的员工来用 — elonmusk · 2026-11-19
- Eve 编码工具复用编译器模块图,构建时间从 56.9 秒降到 6.9 秒 — evilrabbit_ · 2026-11-19
- Klaus 分享 AI 测试平台界面:一句话即可生成全站测试 — KlausCodes · 2026-11-19