HF Daily Papers·· 3 天前精选AI 评分53
HarnessAdapt-RL：训练整个编码智能体，而非仅训练模型
Training the Whole Agent, Not Just the Model
AI 导读
HarnessAdapt-RL 在强化学习期间同时训练编码策略并动态调整评测框架，使 9B 基础模型的 pass@1 在三套 SWE-bench 基准上高于 GRPO。
推荐理由
论文将编码策略与评测框架共同训练，并与固定 harness 的 GRPO 在三套 SWE-bench 基准上直接比较，便于评估协同训练的收益。
来源：HF Daily Papers · huggingface.co