Harness Scaling提升智能体强化学习泛化能力

发生了什么

arXiv cs.CL和Hugging Face Papers报道，研究提出Harness Scaling扩展智能体强化学习，通过多样化执行配置提升模型泛化能力。该技术构建因子化执行配置空间，选择平衡覆盖的训练子集，组织跨配置训练以结合全局覆盖与控制变异。研究显示，Harness Scaling在多个基准、模型规模和RL算法上，均提升了对未见过的白盒配置的泛化能力，且通过结构化白盒变异训练的模型能有效迁移到未见的外部黑盒配置，表现优于单一复杂黑盒配置的训练模型。研究强调执行配置多样性及其组织方式对泛化智能体RL的重要性。