Hugging Face Daily Papers· Lingxiao Tang, Wei Tao, Yiwen Guo, Lingfeng Bao·· 3 天前AI 评分47
HarnessAdapt-RL：训练整个 Agent，而不只是模型
Training the Whole Agent, Not Just the Model
AI 导读
研究者提出 HarnessAdapt-RL，在强化学习中同时训练策略并自适应调整 harness。基于 9B 基座模型，该方法在 SWE-bench Verified、Multilingual 和 Pro 上 pass@1 分别比 GRPO 提升 9.8、12.6 和 6.4 个百分点，并超过配备 OpenHands harness 的 GRPO。
来源：Hugging Face Daily Papers · arxiv.org