同一个 AI 模型，换个工具就犯傻？问题未必出在模型，可能出在 Harness 上。
Hugging Face 最近分享了一个新思路：Multi-Harness RL（多环境强化学习）。模型要是只在一套 Agent 工具里训练，很容易把特定的工具名、提示词和执行流程背下来，换到 Codex、OpenCode 这些环境，表现就可能打折扣。
研究团队把 OpenEnv、Harbor、TRL 串起来，让模型在 12 种真实 Harness 里训练。实验里，LFM2.5-2.6B 的任务首轮解决率从 42.2% 提到 54.2%，工具调用次数还降了。
这说明关键一点：模型能力不只看参数，还看它在哪种环境里练出来的。
正文完