同一个模型，相同的权重，在一个 agent harness 中得分 62%，在另一个中只有 33%。

@adithya_s_k 和 @huggingface 团队刚刚发布了多 harness RL 的终极指南，这是今年最实用的 RL 文章之一，而且全部开源！

诀窍很简单。不要动 harness。把它指向一个代理，而不是模型。这个代理能说编码 agent 使用的全部四种 API 格式（OpenAI Chat Completions、OpenAI Responses、Anthropic Messages、Gemini）。它记录 vLLM 采样出的精确 token id 和 logprobs，然后你在这些数据上训练。你不需要改动 Claude Code、Codex 或 OpenCode 的任何一行代码。

结果：
🔹 同时在 4 个 harness 上训练，@liquidai 的 LFM2.5-2.6B 从 42% 提升到 54%
🔹 工具调用减少了 31%，这得益于对用更少步骤完成任务的少量奖励
🔹 仅在 OpenCode 中训练就让 OpenCode 从 34% 提升到 58%，但多 harness 模型在所有方面都有提升

他们还尝试了所有人都会想到的捷径：在来自 Qwen3.8-27B 的 3,189 条成功 rollout 上做微调。模仿学习在 47.5% 就停滞了，低于两次 RL 运行。复制一个更大的模型并不能让你达到目标。练习才行。

最棒的是，一切都是开源的：OpenEnv 中的捕获代理、TRL 中的训练器、任务、SFT 数据、训练代码以及全部七个训练好的模型。
Agents 将在数十个 harness 中运行。

现在，任何人都可以为每一个 harness 训练开源模型。

在这里阅读 👇
https://huggingface.co/spaces/FineEnvs/multi-harness-rl