#cmu

CMU 論文訓練 4B 提案模型編輯智能體 harness，唔改求解器

呢篇 harness 學習論文用強化學習，令提案模型根據任務、當前 harness 同執行報告修改 harness 代碼。訓練後嘅 4B 提案模型喺 Reasoning Gym 單步修訂上超越其 35B 教師模型，而 HotpotQA 上嘅訓練可轉移到 MuSiQue 同 2WikiMultihopQA。