CMU 提出通过编辑 harness 代码优化智能体，4B 提案模型胜过 35B 教师
卡内基梅隆这篇论文挺有意思：不调模型权重，靠 RL 训一个 4B 小模型去改智能体外壳代码，结果干翻了 35B 教师，做 agent 的可以看看。
#Reasoning Gym
共 1 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「Reasoning Gym」标签的资讯、产品与论文，按刊登时间排，新的在上。
10月4日
卡内基梅隆这篇论文挺有意思：不调模型权重，靠 RL 训一个 4B 小模型去改智能体外壳代码，结果干翻了 35B 教师，做 agent 的可以看看。
