HarnessAdapt-RL：训练整个 Agent 而非只训模型，SWE-bench Verified 提升 9.8 个百分点
tencent · hf · 2026-10-22
论文提出 HarnessAdapt-RL：训练 coding agent 时不再固定 evaluation harness，而是在强化学习过程中联合训练策略并自适应改造 harness。
- 针对轨迹中暴露的缺陷修复策略：由冻结教师模型生成任务特定的机制级 skills
- 针对跨任务复现的交互问题：由另一个教师模型演化工具与 hooks，仅保留能提升观察到的 pass rate 或可训练性的改动
- 以 9B 基座模型实验：在 SWE-bench Verified、Multilingual、Pro 上 pass@1 分别超过 GRPO 9.8、12.6、6.4 个百分点，并胜过使用人工设计的 OpenHands harness 的 GRPO
- 关键发现：机制级 skills 在评测时移除后收益仍在；部署时移除演化的 tools/hooks 最多损失 7.7 个百分点——训练产出的是「模型+harness」成对产物
「编程与Agent」频道最新
- Replit Agent 接入 Stripe MCP，可一句话帮你注册公司 — jeff_weinstein · 2026-10-22
- 用 LLM 写高 assurance 密码学代码：作者自述 Lean 形式化验证实践 — jedisct1 · 2026-10-22
- 9B 微调模型 Argos 安全上下文选型击败 GPT-6 Astra 与 Claude Opus 5.5 — LangChain · 2026-10-22
- Claude Security 公测升级:连接仓库后随代码变更持续扫描 — claudeai · 2026-10-22
- OpenAI 将 Codex for OSS 资助全升级为 Pro 200 档 — jxnlco · 2026-10-22
- 开发者力挺框架价值：用 AI 从零生成框架代码是时间和 token 的无底洞 — rseroter · 2026-10-22