研究显示RL训练编码Agent的增益依赖执行harness

Chenqian Le 等人在 arXiv 发表受控研究，基于 Qwen3-8B、从同一 SFT 检查点用相同回放数据训练两个 RL 变体，在 SWE-bench Verified 上比较 Within 与 Cross 两种奖励归一化方式在不同执行 harness 下的表现。结果显示固定 harness 下可测得 RL 增益，但同一模型跨 harness 表现差异明显，且在该 harness 上两种归一化规则均未显著超过 SFT。 论文称这表明编码 Agent 的 RL 训练收益存在明显 harness 依赖，评估时需在同一 harness 内比较并跨 harness 验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。