#Harness Scaling - AI Papers Daily

Harness Scaling for Generalizable Agentic Reinforcement Learning

面向通用 Agent 强化学习的 Harness Scaling 方法

🧭 Agentic RL · Harness 缩放训练 ★ 深度解读

Gaoling School of Artificial Intelligence, Renmin University of China · IQuest Research · Beihang University

将 agent 执行 harness 因子化并正交选择 18 个训练配置，跨 harness RL 显著提升未见配置与外部黑盒泛化

📌 工作参考价值（4 点）

在训练搜索/推荐/电商 Agent 时，不要只用单一 harness；可对同一任务构造多个执行配置变体（system prompt、工具 schema、观察格式、上下文压缩策略、workflow 约束），提升策略对生产环境变化的鲁棒性。
如果 harness 组合空间过大，可用 strength-2 正交设计从组合爆炸中选训练子集，保证各组件 realization 及两两组合均衡覆盖；在固定训练预算下，这比随机采样或全量穷举更好。例如推荐 Agent 的 prompt 模板、召回通道、排序特征视图、记忆压缩等维度都可以做正交选择。
采用 locality-aware assignment：每个训练任务采样一个 anchor harness，再配 1-2 个 Hamming 距离最近的 harness，既保留同任务局部变化，又全局覆盖多个配置；实验表明 K=2 效果最佳，且优于随机 assignment。
关键结论可直接迁移：在白盒多 harness 配置上训练，迁移到未见外部黑盒 harness（如 Claude Code）的效果，优于直接在该黑盒 harness 上做 SFT 或 RL。适合冷启动、跨平台迁移、多租户 Agent 系统。

Agent | 2026-10-20 | HF Daily | score 8/10

StateM：用 Harness Scaling 在 Terminal-Bench 2.1 达 95.3% / $15 前沿运行

🧭 Agent harness 扩展与状态机执行控制 ★ 深度解读

StateM 用状态机 runbook 外部化执行控制，不改权重，Terminal-Bench 2.1 达 95.28%，DeepSeek $15 达 88.8%

📌 工作参考价值（4 点）

将长流程 Agent（如生成式推荐、商品投放、数据分析 pipeline）编码为 YAML 状态机 runbook，每个阶段设 exit checks（离线评估分、数据完整性检查、配置校验），可显著减少 agent 提前退出或跳过必要步骤。
采用“状态即上下文与契约边界”设计：进入新阶段时刷新 phase-local 指令与进度摘要，避免长轨迹导致控制信号稀释；离开阶段必须通过可执行 command/predicate 校验，而不是 agent 自述完成。适合生成-验证-修复-发布这类闭环。
建立失败驱动的 harness 迭代流程：把每次失败归类为缺失上下文、无效转换、弱检查、提前交接、恢复失败等，将通用修复固化为 runbook 版本，不改模型权重。这能把重复踩过的坑沉淀为可执行约束，并保持模型不变。
跨模型迁移时，同一模型家族可冻结 runbook 直接复用；跨 provider 需按新模型适配 practices，但可保留 runbook 结构与开发原则。可以尝试用便宜模型 + 定制 harness 逼近昂贵模型，降低推理成本。

Agent | 2026-08-14 | HF Daily | score 9/10