Harness Scaling 技术提升智能体强化学习泛化能力
先了解这件事
新研究引入了 Harness Scaling 技术，旨在提升智能体强化学习在未见过的 Harness 上的泛化能力。通过跨不同执行配置的训练，该技术旨在增强智能体强化学习的可扩展性。最新报道显示，这项技术由人大高瓴 Wayne Xin Zhao 等提出，通过结构化变异迁移到未见黑盒 harness，显著提升了 Qwen3-4B in-space 均值 GRPO 和 PPO 的性能，以及 Claude Code Pass@1 的表现。早先报道称，Harness Scaling 技术通过跨不同执行配置的训练提升智能体强化学习的可扩展性。
AI 根据报道生成 · 2 小时前更新
事件进展
- 10月23日 06:05 · 1 篇报道Harness Scaling: A New Scaling Dimension for Agentic RLAgent Control Flash News：Harness Scaling：人大高瓴 Wayne Xin Zhao 等提出的新 scaling 轴，提升 agentic RL 通用性
- 10月21日 04:00 · 1 篇报道Harness Scaling for Generalizable Agentic Reinforcement LearHugging Face Daily Papers：Harness Scaling：提升通用性智能体强化学习的可扩展性
报道时间线
沿着报道，了解事件的不同侧面。
- Agent Control Flash NewsHarness Scaling：人大高瓴 Wayne Xin Zhao 等提出的新 scaling 轴，提升 agentic RL 通用性
反直觉：agentic RL 不只堆环境难度，白盒 harness 因子空间上的结构化变异能迁到未见黑盒 harness。现有错处：单复杂 harness 上猛训。作者改动：Harness Scaling。硬数字：Qwen3-4B in-space 均值 GRPO **29.81→39.04（+9.80）**、PPO **+3.57**；未见 Claude Code Pass@1 **37.22/41.20** > 黑盒 RL **33.38/36**。可迁移判断：**训练线专用。不要并进 Agent #10 SSR / #11 Agent S4。**
- Hugging Face Daily PapersHarness Scaling：提升通用性智能体强化学习的可扩展性
Hugging Face Daily Papers 报道，新研究引入了 Harness Scaling 技术，通过跨不同执行配置的训练，提升智能体强化学习在未见过的 Harness 上的泛化能力。
本事件热度走势
当前热度 10·可比范围峰值 10（10月23日 07:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。