#cmu

CMU 论文训练 4B 提议模型编辑智能体 harness，不改动求解器

这篇 harness 学习论文用强化学习让提议模型根据任务、当前 harness 和执行报告修改 harness 代码。训练后的 4B 提议模型在 Reasoning Gym 的单步修订上超过其 35B 教师模型，且 HotpotQA 上的训练可迁移到 MuSiQue 和 2WikiMultihopQA。