#LFM2.5 (1)

多 harness 强化学习完全指南：在 Claude Code、Codex 里直接训练模型——HF 团队用 2.6B 小模型验证跨 harness 训练

同一个模型换个 agent harness 表现判若两人：GLM-5.2 在 SWE-bench Pro 上一个 harness 23%、另一个 52%；受控实验里换 harness 移动 13 个点，同 harness 换模型只移动 2.5–5 个点。Hugging Face 团队（Adithya S Kolavi、Joel Niklaus、Lewis Tunstall、Leandro von Werra 等，联合 Liquid AI）发布的这篇长文给出开放解法：在 Claude Code、Codex、OpenCode、Mini-SWE-Agent 这些真实 harness 里做 agentic RL，harness 一行代码不改。框架三件套——OpenEnv 提供与环境/训练器共享的标准接口，capture proxy 以「会话即钥匙」方式截获模型端点上的精确 token id、逐 token 行为 logprob 与损失掩码（强制全分布采样，top_p=1.0），Harbor 提供 40+ harness 适配器与 26 种沙箱后端，TRL 的 Async GRPO 消费带掩码的训练序列。用 1 万小时级数据之外的实打实数字说话：LFM2.5-2.6B 四 harness 训练后平均 pass@1 从 42.2% 升到 54.2%，四个 harness 全涨，已解任务工具调用少 31%；只训 OpenCode 的对照组增益几乎锁在自己家里。文章还诚实交代了 SFT 对照（RL 54.6% vs SFT 47.5%）、Qwen 先涨后崩的完整归因（输出预算耗尽、不交卷空转、奖励项被钻空子导致 0.740→0.178）以及 proxy 并发上限等工程边界。

博客