标签
Hugging Face 通过一个捕获代理,将 Claude Code、Codex、Hermes、Pi 和 OpenCode 等真实的编码智能体框架转化成强化学习训练环境,既无需修改框架,也无需改动训练代码,所有模型、任务、数据和代码均完全开源。
Hugging Face 研究人员提出了多 harness 强化学习方法,使用 OpenEnv、Harbor 和 TRL 在 Claude Code、Codex、OpenCode 和 Mini-SWE-Agent 上训练 LFM2.5-2.6B,将首次尝试任务成功率从 42.2% 提升至 54.2%,同时使 agent 行为更具可移植性。
Maximilien Labonne 强调了一份开源指南,介绍如何在 Claude Code、Codex 和 OpenCode 等真实 agent harness 中使用强化学习训练模型,使得任何模型(如 LFM2.5-2.6B)都能在任何 harness 上针对任意任务集进行训练。