Hugging Face、複数ハーネスでエージェント訓練するオープンな手法を公開

ヘッドライン

Hugging Faceが複数のエージェントハーネスを横断して強化学習できるオープンな方法を公開した。

概要

同じ重みを使っても、どのハーネスで動かすかでスコアが全然違うことがわかった。つまりハーネス自体も環境の一部として扱わないといけない。

このプロキシはモデルとOpenAI、Anthropic、Geminiの標準APIの間に挟まって、ClaudeやCodex、OpenCode側のコードを一切変えずにトークンIDとlogprobsを取れるようにする。

Liquid AIのLFM2.5-2.6Bは4つのハーネスで訓練した結果、成功率が42%から54%に上がり、ツール呼び出しも31%減った。プロキシ、トレーナー、タスク、データ、コード、それに訓練済みの7モデルがすべて公開されている。

分析

これからはモデルとハーネスを別々に考えるのは無理がある。ツールのスキーマやオーケストレーション、実行結果のフィードバックが全部結果に影響するからだ。

複数のハーネスで訓練したモデルは、単一ハーネスに特化したモデルより新しい環境への対応が良かった。結果はこうだ。

• OpenCodeだけで訓練するとOpenCode上のスコアが34%から58%に上がった。
• ただしマルチハーネス版は特定のハーネスだけでなく全部で改善した。
• Qwen3.8-27Bのロールアウトを使った模倣学習は、モデル自身に探索させて実際のタスクフィードバックをもらう方法に負けた。

このキャプチャー層と訓練コードの公開で、オープンモデルのチームは特定のハーネスに特化したエージェントと、複数のハーネスで安定して動くエージェントの両方を直接訓練できるようになる。

この動きはクローズドモデル提供者に求められる水準を上げ、ハーネス横断のテストを標準的な検証項目にするだろう。

インパクト評価

オープンAI研究への技術的影響は大きい。

Verdict: このテーマに対して読者はまだ初期段階にいる。最も有利なのは複数ハーネスでの訓練と評価基盤を構築するビルダーであり、短期トレーダーや長期ホルダー、ファンドに直接的な優位性はない。