CMU 的一篇论文提出了一种叫 harness learning 的方法。核心思路是：不动 solver 模型的权重，转而用强化学习训练一个提案模型，让它去改写 harness 代码。

具体来说，这个提案模型会读取三样东西：任务、当前的 harness，以及执行报告。基于这些输入，它生成对 harness 代码的修改。

打开网易新闻 查看精彩图片

奖励从哪来

修改后的 harness 会被拿去执行，执行得分直接作为奖励信号。也就是说，提案模型优化的目标，是让改写后的 harness 带来更好的执行结果。

整个过程中，solver 模型的权重保持不变。适应发生在 harness 层面，而不是模型参数层面。

测试时适应的一条新路径

这套机制指向的是测试时适应：面对新任务时，不重新训练 solver，而是让提案模型现场改写 harness 代码来适配。solver 保持原样，harness 承担了调整的角色。