港科大（广州）论文：LLM agent 策略暗藏 harness 偏好，部署收益=harness 上限−策略失配

港科大（广州）团队论文《Your Policy Is Secretly a Harness》指出，LLM agent 的最优策略会恢复 harness 对各动作的偏好强度。在 KL 正则化控制下，部署收益=harness 上限−策略失配；训练只改变失配项，换 harness 则同时移动天花板与失配，因此比较 harness 需将两项分开。