面向可泛化智能体强化学习的 Harness Scaling
智能体 harness 会影响模型使用工具、管理上下文和协调长时交互的方式。现有方法通常只使用单一固定 harness 进行训练，这可能限制模型向其他配置迁移。该研究提出 Harness Scaling，通过结构化选择多种执行配置来训练模型。在多个基准测试、模型规模和强化学习算法上的实验表明，模型对未见配置的泛化能力有所提升。经过结构化配置变化训练的模型，也能有效迁移到外部黑盒 harness。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。