正在补充深度解读，当前内容可以先阅读
论文解决了什么问题
长时程Agent缺少可恢复、可逐步验证的训练环境，许多基准只在终点打分，难以稳定训练并定位改进来源。
核心方法
Agent生成rubric与检查器、judge筛选沙箱；训练时交替更新模型或harness技能，并用开发集验收门控两类改动。
实验结论
- 形成9000多个开放环境；9B版本领先最强基线10.3与13.0分，27B在两项基准分别达到71.6和80.7。
- 不只共同演化模型与harness，还用显式验收门把每次提升归因到真正有效的改动。
适合谁阅读
Agent训练平台与验证系统研究者可验证环境Agent训练Harness共演化
可核验的原论文来源和作者
- 作者
- Junqi Liu, Yongyang Pan, Zhuosong Jiang, Dongbai Li, Bo Zhang, Xitong Ling, Sheng Wang, Hanrong Ye, Yufan He, Can Zhao, Pengfei Guo, Dong Yang, Andriy Myronenko, Yuyin Zhou, Tianyu Liu, Daguang Xu, Yucheng Tang
- 来源
- arXiv
- 论文 ID
- 2610.05923