Harness-S：从同源 Harness 中学习，训练可泛化的智能体
Harness-S 在基础执行系统失败时，有选择地调用互补的执行系统变体（称为 harness）来训练智能体策略。路由器负责挑选合适的变体，并将生成的轨迹用于强化学习；训练过程中还会根据策略变化更新选择依据。在 AppWorld、SWE-Gym 和 DBBench 上，训练后的策略切换回原始 harness 后，表现仍显著优于仅训练策略的方案。进一步分析表明，辅助 harness 激发的行为可能迁移到策略本身。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。