Skip to content
AI情报2026年8月19日AI情报
文章

LEGO-RL：面向编程智能体的Harness原生强化学习

公告类型：新 摘要：面向编程智能体的强化学习越来越依赖长时间运行的智能体harness来管理工具集成、仓库上下文和执行反馈。然而，这些harness的原生执行环境与策略梯度训练天然不一致：环境崩溃和奖励黑客（reward hacking）会破坏结果信号，而

Frontier 编辑部来源: arXiv
01

来源简报

LEGO-RL：面向编程智能体的Harness原生强化学习: 公告类型：新 摘要：面向编程智能体的强化学习越来越依赖长时间运行的智能体harness来管理工具集成、仓库上下文和执行反馈。然而，这些harness的原生执行环境与策略梯度训练天然不一致：环境崩溃和奖励黑客（reward hacking）会破坏结果信号，而

02