> ## Content Index
> Fetch the complete content index at: https://binnn.top/llms.txt
> Use this file to discover other available public pages before exploring further.

# 在原生智能体框架内训练LoRA：任务筛选与评测边界
- URL: https://binnn.top/harness-adapter-training-method/
- Published: 2026-11-22T00:41:01.000Z
- Updated: 2026-11-22T00:41:01.000Z
- Description: 这份适配器方案直接记录原生框架的输出用于强化学习，并公开任务过滤与训练设置；合并权重的选择和非思考模式下的推理文本仍需审慎解读。
- Author: Sunbin 编辑部
- Tags: AI 技术实践, 训练与微调, #sunbin-auto, #sunbin-newsroom

项目实践 · huggingface.co · 原文日期 2026-11-20

## 保留原生框架的执行循环

这份方案让智能体框架按其原有方式运行，再训练模型适应这套执行流程。作者没有在训练框架中重新实现智能体循环，而是在框架与vLLM之间放置代理，记录模型实际产生的词元，供训练器学习，使训练过程保留实际使用中的交互方式。

## 分开检查任务有效性与难度

任务筛选先排除失效任务，再保留基础模型仅部分尝试成功的任务。为检查这两道过滤的作用，作者进行了四组最多50步的短训练，分别使用流程不同阶段的任务。这一设计把任务能否正常评测、是否适合当前模型学习分开检查。

## 明确此次训练的具体设置

作者用TRL的AsyncGRPOTrainer在Qwen3.8-27B上训练LoRA，并通过all-linear设置挂载适配器。此次训练在采样阶段关闭思考模式，最终评测则覆盖开启与关闭两种状态；奖励结合验证器判定的正确性与0.1的工具效率奖励。这些是该实验的具体设置。

## 合并权重使用了评测集信息

合并版本的权重选择使用了评测集信息：作者用训练至第120步的适配器，在Terminal-Bench 2.1上选定二分之一权重。因此，作者承认该基准的结果略偏乐观；SWE-bench Pro没有参与这一步，阅读结果时应保留这一限制。

## 关闭思考模式后的推理文本

作者发布后检查评测轨迹，发现模型在非思考模式下仍倾向于先生成短文本，再调用工具，其中部分文本类似推理痕迹。他们将其解释为可能的“推理泄漏”。这一观察意味着，理解模型学到的行为还需检查实际输出，不能只依据思考模式开关。

原始标题：Introducing harness adapters: adapt your favorite model to your harness to improve performance and cost  
[来源：huggingface.co](https://huggingface.co/blog/harness-adapters-at-scale?ref=binnn.top)