热点事件持续更新
港科大论文：LLM agent 策略暗藏 harness 偏好
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026 年 10 月 28 日，AGI Hunt 报道了港科大（广州）团队的论文《Your Policy Is Secretly a Harness》。论文指出，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，团队给出部署收益的分解式：部署收益 = harness 上限 − 策略失配。论文强调，训练只改变失配项，而更换 harness 会同时移动天花板与失配两项，因此比较不同 harness 时需要把这两项分开评估。这是该研究目前公开的最新进展。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 14:17
论文提出部署收益=harness上限−策略失配，并指换 harness 会同时移动两项，比较时须分开。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- AGI Hunt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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。