**Harness Scaling：通过多样化执行配置提升智能体强化学习的泛化能力**

_Harness Scaling for Generalizable Agentic Reinforcement Learning_

> 针对现有智能体强化学习（Agentic RL）方法仅依赖单一固定执行器（Harness）导致的泛化受限问题，研究提出了“Harness Scaling”新范式。该方法通过构建因子化执行器空间并选择平衡的训练子集，实现了从单一配置到多样化配置的扩展训练。实验表明，这种策略不仅显著提升了模型对未见过白盒配置的泛化能力，还能有效迁移至外部黑盒执行器，确立了执行器多样性作为智能体强化学习关键扩展维度的地位。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-22 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.29458)