研究多Harness强化学习在编程智能体中的信用分配与可移植性
原文标题：What Does Multi-Harness RL Learn? Credit Assignment and Portability in Coding Agents
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
- 问题
- 多环境强化学习中，跨环境奖励分组是否比组内分组带来可迁移的能力提升尚不明确。
- 方法
- 固定Qwen3-8B热启动与同一批任务-环境记录，对比组内与跨组两种GRPO分组规则，用密封SWE-bench Verified评测。
- 结果
- 24000次密封评测中评测环境使平均解决率从2.14%变到9.27%（4.3倍），分组规则仅差1.16；留出环境上Cross减Within为+0.25个百分点，置信区间跨零。
- 影响
- 做代理RL时优先选好评测/执行环境，跨环境信用分配只带来配置适应而非能力提升，别把算力花在分组技巧上。
深读 · 结论先行AI 生成展开看要点与影响 ↓
24,000次密封评测显示：评估环境让解题率从2.14%变到9.27%（4.3倍），训练分组规则仅差1.16。
- •同一Qwen3-8B热启动，回放Aider、OpenHands、Qwen Code、SWE-agent的冻结任务记录，对比Within与Cross两种GRPO分组规则。
- •评估harness是主导变量：24,000次密封评测中平均解题率在2.14%至9.27%间移动，达4.3倍。
- •留出harness上Cross减Within仅+0.25个百分点，95%置信区间[-0.48,+1.02]，不显著。
- •三个训练种子的合并估计为+0.16，且单种子估计符号会翻转；每种规则自身种子波动0.42至0.45个百分点，大于规则间差异。
- •两种规则的最大增益都落在同一个源harness上，跨组信用分配只带来配置适应而非能力提升。
为什么重要：做多harness智能体RL的团队应优先对齐评估环境而非调分组规则，否则测到的差异可能只是噪声。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。