Hugging Face phát hành công cụ huấn luyện agent trên nhiều harness
Cùng một bộ weights cho điểm số khác hẳn tùy harness mà agent dùng
TL;DR:
- Điểm số model thay đổi mạnh tùy agent harness
- Proxy mới lấy token và logprob từ API lớn mà không sửa code
- LFM2.5-2.6B tăng tỷ lệ hoàn thành từ 42% lên 54% sau huấn luyện đa harness
- Toàn bộ stack và bảy model đã huấn luyện được phát hành mã nguồn mở
Tiêu đề
Hugging Face vừa công bố cách chạy reinforcement learning đồng thời trên nhiều agent harness.
Tóm tắt
Cùng một model weights nhưng điểm số thay đổi rõ rệt tùy harness. Điều này cho thấy harness không chỉ là lớp giao diện mà là một phần của môi trường huấn luyện. Proxy của họ nằm giữa model và API OpenAI, Anthropic, Gemini để lấy token ID cùng logprob mà không cần sửa Claude, Codex hay OpenCode.
LFM2.5-2.6B của Liquid AI tăng tỷ lệ hoàn thành nhiệm vụ từ 42% lên 54% sau huấn luyện trên bốn harness, đồng thời giảm 31% số lần gọi tool. Toàn bộ stack gồm proxy, trainer, task, dữ liệu, code và bảy model đã huấn luyện đều được phát hành mã nguồn mở.
Phân tích
Huấn luyện agent giờ phải xem model và harness như một khối vì schema tool, orchestration và feedback từ thực thi đều ảnh hưởng đến kết quả.
Model huấn luyện đa harness thích nghi với môi trường mới tốt hơn model chỉ tối ưu một harness. Kết quả chính:
- Huấn luyện chỉ OpenCode giúp điểm harness này tăng từ 34% lên 58%.
- Phiên bản multi-harness cải thiện kết quả trên mọi harness thay vì chỉ một môi trường.
- Imitation learning từ rollout Qwen3.8-27B cho kết quả kém hơn so với để model tự khám phá và nhận feedback thực tế.
Việc mở lớp capture và code huấn luyện giúp các team open model huấn luyện agent theo hai hướng: chuyên biệt một harness hoặc giữ hiệu năng ổn định khi chuyển harness.
Điều này nâng tiêu chuẩn cho model đóng và biến kiểm thử cross-harness thành bước đánh giá tiêu chuẩn.
Đánh giá tác động
Tác động kỹ thuật cao cho nghiên cứu AI mở.
Verdict: Đây là giai đoạn sớm của narrative này. Builder và team phát triển open model hưởng lợi rõ ràng nhất vì họ có thể huấn luyện và kiểm thử agent trên nhiều harness. Trader, holder dài hạn và quỹ chưa có lợi thế trực tiếp từ phát hiện này.