BLOG
OpenRUA 的五层统一 harness 让 Qwen 无深度在 RoboDojo 达 31.39 分、真机零样本达 53.50 分，并揭示空间定位、几何计算与真机开放流程的边界。
Hugging Face 用五步课程串起智能体后训练：SFT 学轨迹，蒸馏传概率，GRPO 优化结果，环境承接多回合行动，异步 harness 让训练接近真实部署。
LangChain 拆解 Slack 设计智能体 Content Studio：把设计师品味写进 skills、wiki、代码 gate 与两层记忆，再用持久沙箱、双运动引擎和异步子智能体完成长任务。
同一个模型换个 agent harness 表现判若两人：GLM-5.2 在 SWE-bench Pro 上一个 harness 23%、另一个 52%；受控实验里换 harness 移动 13 个点，同 harness 换模型只移动 2.5–5 个点。Hugging Face 团队（Adithya S Kolavi、Joel Niklaus、Lewis Tunstall、Leandro von Werra 等，联合 Liquid AI）发布的这篇长文给出开放解法：在 Claude Code、Codex、OpenCode、Mini-SWE-Agent 这些真实 harness 里做 agentic RL，harness 一行代码不改。框架三件套——OpenEnv 提供与环境/训练器共享的标准接口，capture proxy 以「会话即钥匙」方式截获模型端点上的精确 token id、逐 token 行为 logprob 与损失掩码（强制全分布采样，top_p=1.0），Harbor 提供 40+ harness 适配器与 26 种沙箱后端，TRL 的 Async GRPO 消费带掩码的训练序列。用 1 万小时级数据之外的实打实数字说话：LFM2.5-2.6B 四 harness 训练后平均 pass@1 从 42.2% 升到 54.2%，四个 harness 全涨，已解任务工具调用少 31%；只训 OpenCode 的对照组增益几乎锁在自己家里。文章还诚实交代了 SFT 对照（RL 54.6% vs SFT 47.5%）、Qwen 先涨后崩的完整归因（输出预算耗尽、不交卷空转、奖励项被钻空子导致 0.740→0.178）以及 proxy 并发上限等工程边界。
阿里 2026 Handbook 精读：三个真实案例（AIDC 数字投手、千问用增 Agent、万有无界）、五大挑战与四层企业级 Agent 基础设施。核心数据：编码仅占研发链路 <1%（1 小时编码 vs 3 周上线）、交付周期减半、缺陷率降 70%、变更失败率降 90%+；「云上 Scrum」组织形态、Session→Commit→Change→Workitem 度量归因、Guardrail 三态门控（UNKNOWN 永不视作 PASS）、以及「把自己蒸馏完就没位置了」的组织代价反思。
ModularRSI 把 agent harness 拆成五个功能模块，用 2000 条与下游基准隔离的演化实例、对比轨迹诊断和验证门做独立演化，再合并模块。TB 演化 harness 在 Terminal-Bench 2.0 上把 Acc 从 47.57 提到 52.43，且改进能跨领域迁移到 SWE-Bench Verified，并跨模型迁移到 GLM-5.2、MiniMax-2.5 与不同 DeepSeek 版本。
AMAP-ML提出LongHorizon-Harness：MEA循环把长程任务变为独立审计的状态转移。同一模型下WeaveBench通过率51.8→80.7，OSWorld 2.0完成率3倍提升。
本站含 CakeGrowth 联盟推广链接,我们可能从符合条件的购买中获得佣金。
