一句话看懂：Hugging Face Papers 收录的论文提出 HarnessAdapt-RL，在强化学习过程中同时训练策略模型并自动调整代码智能体外部工具链（harness），9B 基座模型在 SWE-bench Verified 上比 GRPO 提升 9.8 个百分点。
事件核心：发生了什么
据 2026 年 10 月 20 日发布在 Hugging Face Papers 的论文摘要，训练代码智能体时通常只更新策略模型，而把外部工具链固定不变。HarnessAdapt-RL 改变了这一做法：面对不理想的修复策略，用冻结的教师模型生成任务级机制技能；对跨任务反复出现的交互问题，由另一个教师模型持续演化工具和钩子，每次改动只在观测通过率或可训练率不下降时才保留。新产生的轨迹再反过来指导下一轮适配，形成策略与工具链共同迭代。
在 9B 基座模型上，该方法在 SWE-bench Verified、Multilingual 和 Pro 上分别比 GRPO 提升 9.8、12.6、6.4 个百分点，也优于搭配人类设计的 OpenHands 工具链的 GRPO。摘要还提到两个细节：机制级技能在评估阶段移除后增益仍然存在；部署时移除演化出的工具和钩子则最多损失 7.7 个百分点。上述结果均限于摘要所描述的实验条件，论文全文与同行评审情况尚未公开。
为什么重要
当前代码智能体的能力很大程度取决于外部框架：工具调用、错误修复和交互逻辑往往由人工设计并固定。若训练阶段就能让工具链随策略同步演化，意味着模型与工具从“模型适配框架”转向“模型框架联合训练”。这对大模型训练路线有直接参考价值，也可能改变开源智能体框架的竞争方式：未来比拼的不只是模型权重，还有配套演化出的工具和钩子。
对用户/开发者/创作者的影响
对开发者而言，这类方法提示在做代码 Agent 微调时，不应只调模型参数，还要把工具定义、钩子和交互接口纳入迭代闭环。不过摘要显示最终交付物是一对“模型—工具链”组合，且技能在部署时需移除、工具钩子不可丢，这给工程部署提出了更明确的要求。对使用闭源 API 的团队，短期影响有限，但选择代码智能体产品时可以关注其工具链是否经过训练期协同优化。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是论文全文是否公开完整实验设置与消融结果，尤其是 9B 以外规模模型是否同样有效；二是演化出的工具和钩子能否跨任务复用，还是高度绑定单一训练分布；三是开源社区是否跟进推出可复现的 harness 自演化训练框架。
