2.6B小模型 训练后成功率提升12% 工具调用减31%

哇，这篇文章写得真好！想搞懂 Agent、Harness和 Post Train到底怎么连起来，一定要读这篇最终指南，我认真读了一遍，收获很大 《The ultimate guide to multi-harness RL》讲了一个很实际的问题：同一个模型，为什么放进 不同的 Harness, Claude Code、Codex、OpenCode，表现会差这么多？又该怎么训练，让它在不同框架里都能更好地完成任务？

看完你能搞懂这几件事： 1/ 模型、Agent、Harness、RL 环境到底是什么关系。Harness 就是模型外面负责组织上下文、执行工具、控制任务流程的那层程序。它改变了模型能看到什么、能做什么，也就改变了最终表现 为什么只在一个框架里训练，换个框架就可能出问题。

模型可能记住了某套工具名称、参数格式和重试规则。换个地方，连工具都调用不对，原本会做的任务也做不好 2/ 怎么让真实的 Agent 框架接上 RL 训练。文章把 OpenEnv、Harbor、TRL 怎么配合讲得很细：任务在哪里跑，模型生成的数据怎么记录，最后怎样变成训练样本。

连“为什么不能只存聊天文本，还要保留原始 token 和生成概率”这种容易忽略的细节都解释了。3/ 怎样同时训练“做对”和“少走弯路”。奖励怎么设计，怎样鼓励模型做对任务又少调用工具，以及模仿大模型的 SFT 和根据自身尝试学习的 RL，���这组实验里有什么区别。

文中有个很直观的实验结果：在 SmolDataEnvs 数据分析测试中，2.6B 的小模型经过四种框架联合 RL 训练，平均任务成功率从 42.2% 提升到 54.2%；在训练前后都做对的任务上，工具调用减少了约 31%。我最喜欢的是它的讲法：先把概念讲明白，再用交互图一步步展示一次任务怎么跑完、数据怎么送进训练，后面还有代码和实验对照。想把 Agent 和 RL 真正串起来理解，这篇很值得收藏慢慢看