Hugging Face · 每日论文· 媒体 / 作者来源·精选
HarnessAdapt-RL：强化学习同时训练编码Agent模型与执行框架
原文标题
Training the Whole Agent, Not Just the Model
AI 导读
论文提出HarnessAdapt-RL，在强化学习训练编码Agent时同步调整模型策略与执行框架（harness），不再固定框架只更新策略。冻结教师为具体任务生成机制级技能，另一教师按跨任务共性问题演化工具与hooks，仅保留不降低通过率或可训练率的改动。9B基座模型在SWE-bench Verified、Multilingual、Pro上pass@1较GRPO分别提高9.8、12.6、6.4个百分点，也优于配OpenHands人工框架的GRPO。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
给出把Agent执行框架纳入强化学习训练的具体方法，并在SWE-bench三个设置上量化对比GRPO与人工框架，属可复用的Agent训练研究。
导读由模型辅助整理，非独立核验。完整信息见原文。