HPD 训练法提升 Agent 运行时合规与成功率

Junze Zhu 等作者提出 Harness Policy Distillation（HPD）训练方法，让 Agent 策略对齐运行时语义。该方法通过回放参考轨迹恢复运行时语义并表示为控制文档，由教师生成经 harness 验证的可执行动作，将运行时控制语义与动作联合训练进模型策略。 据论文，在 TRAJECT-Bench 配合 Pi harness 上，Qwen3-8B 经 HPD 训练后自主任务成功率达 22.98%、运行时合规率 49.23%，而未适配模型分别为 3.09% 和 19.90%。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。