arXiv cs.AI· Chenqian Le, Jiayi Cheng, Qijia He, Runhao Li, Yinghao Li, Xupeng Chen·· 6 小时前AI 评分24
多执行框架强化学习训练编码智能体：训练增益与框架依赖性研究
Multi-Harness Reinforcement Learning for Coding Agents: Training Gains and Harness Dependence
AI 导读
一项对照研究用相同 SFT checkpoint 和回放数据训练了两个 Qwen3-8B RL 变体，仅在奖励归一化方式上不同（框架内 Within vs 跨框架 Cross）。
来源：arXiv cs.AI · arxiv.org