研究人员提出面向 agent harness 的强化学习框架

两篇新的 arXiv 论文介绍了在复杂、长时间运行的 harness 中为 agent 应用强化学习的框架。LEGO-RL 聚焦于编码 agent，利用进程内 LLM 代理、沙盒编排、验证与监控工具，以及实时 UI，让策略梯度训练与原生 harness 执行保持一致。ClawGym II 则提出了一个面向通用 agent 的黑盒强化学习框架，采用沙盒化并发 rollout、模型边界服务代理、前缀树轨迹重建，以及对 PPO 和 GRPO 的适配。