MIT 提出 surrogate harness training:用全合成环境训练长程 agent

a1zhang · x · 2026-11-20

Alex Zhang 介绍论文中最具实用价值的技巧——surrogate harness training,目标是解决极长、rollout 需数天、奖励稀疏的任务难以直接做 RL 训练的问题:

这为昂贵长程 agent 任务的 RL 训练提供了一条用合成数据替代真实 rollout 的可行路径。

所属事件:MIT 论文:LM Harness 是组合泛化器而非弱模型拐杖(10 条相关)→

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →