跳到正文
Hugging Face Daily Papers·· 2026-10-19AI 评分74

HarnessRL:一种随策略共同演化的即时训练框架以支持开放-ended RL

HarnessRL: Co-Evolving Policies with a Just-in-Time Training Harness for Open-Ended RL

AI 导读

Rubric-based reinforcement learning 在训练中常因奖励失效导致分数坍塌或虚假高分。本文提出 HarnessRL,通过任务采样、回滚引导和评分标准三个接口与策略共同演化,利用训练时记忆检索历史证据来归因失败并驱动更新。

来源:Hugging Face Daily Papers · arxiv.org