人大高瓴提出 Harness Scaling：跨多种执行配置训练提升 Agent 泛化
RUC · hf · 2026-10-22
中国人民大学高瓴人工智能学院、Iquest Research 与北航团队提出 Harness Scaling，为 agentic 强化学习引入新的 scaling 维度。
背景：agent harness（决定模型如何使用工具、管理上下文、协调长程交互）已成为 agentic 系统核心组件，但现有 RL 方法通常只在单一固定 harness 中训练，导致过拟合特定配置、迁移能力受限。
方法：将训练从单一 harness 扩展到多样化的执行配置（execution configurations），使模型学会在不同 harness 下泛化使用工具与管理上下文，而非记住某一特定脚手架。论文声称这能显著提升对未见 harness 的泛化能力。
「编程与Agent」频道最新
- 个人 AI Agent 一年爆发史：从 OpenClaw 到各大实验室全部下场 — thisiskp_ · 2026-10-22
- Coinbase 讲解 x402 协议：让软件在调用工具的瞬间完成付费 — kleffew94 · 2026-10-22
- Antigravity app 更新 v2.24.0-v2.25.0：新增 /compact 压缩长对话 — rseroter · 2026-10-22
- 开源工具 Graphify 用知识图谱替代向量库做编码 Agent 记忆 — abhishek__AI · 2026-10-22
- 南开联合阿里云提出 PoS,破解 Agent「信念困局」空转难题 — jiqizhixin · 2026-10-22
- 博主把自己降级为复制粘贴层:研究 Agent 全自动经营 X 账号 — petrusenko_max · 2026-10-22