# Uczenie uprzęży agentów

EN: **Harness learning** · id `harnesslearning` · aliases: harness adaptation, proposer for harness, meta-learning harnesses

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Aplikacje LLM i agenci](https://aiatlasgraph.com/t/applications.md) › [Agenci i orkiestracja](https://aiatlasgraph.com/t/agentsnode.md) › [Uprząż agenta](https://aiatlasgraph.com/t/agentharness.md) › Uczenie uprzęży agentów

## Description

- PL: Meta-uczenie nad kodem uprzęży: proposer generuje edycje, uczenie ze wzmocnieniem na wynikach wykonania.
- EN: Meta-learning over harness code: a proposer generates edits, reinforcement learning on execution outcomes.

## In one sentence

- PL: Model uczy się poprawiać program wokół asystenta na podstawie wyników prób.
- EN: A model learns to improve the program around an assistant from the results of trials.

## Problem it solves

- PL: Uprząż dobrana do jednego zadania źle działa na innym, a ręczna poprawka trwa.
- EN: A harness fitted to one task works poorly on another, and manual fixes take time.

## What it does

- PL: Proponuje zmiany w kodzie uprzęży, ocenia kandydatów i wybiera wersję zgodnie z ustalonym protokołem selekcji.
- EN: It proposes changes to harness code, evaluates candidates, and selects a version under a defined selection protocol.

## Everyday example

- PL: Asystent nie znajduje dokumentów w nowym typie pytania. Model poprawia sposób wyszukiwania w uprzęży i sprawdzian potwierdza zysk.
- EN: The assistant misses documents for a new kind of question. The model improves the search in the harness and a check confirms the gain.

## This concerns you if you…

- PL: ten sam asystent działa różnie na podobnych zadaniach
- PL: chcesz, by otoczenie asystenta poprawiało się samo
- PL: ręczna zmiana programu wokół modelu zajmuje za dużo czasu
- EN: the same assistant works differently on similar tasks
- EN: want the assistant's surroundings to improve on their own
- EN: manual changes to the program around the model take too long

## Keywords

harness learning · proposer model · GRPO · test-time harness adaptation · meta-learning over programs · harness revision

## How it works

- PL: Proposer otrzymuje bieżącą uprżąż i raport wykonania, generuje edycję kodu. Uczenie ze wzmocnieniem nagradza poprawę wyniku zadania. W czasie testu iteracyjnie rewiduje uprżąż na nowym zadaniu bez zmiany wag solvera.
- EN: A proposer receives the current harness and an execution report, then generates a code edit. Reinforcement learning rewards improvement in task score. At test time it iteratively revises the harness on a new task without changing the solver's weights.

## Limits

- PL: Adaptacja wymaga wielu wykonań oraz ocenianego feedbacku z pytań rozwojowych; nie jest bezkosztowym uczeniem z nieoznaczonych interakcji. Wyniki obejmują rodziny Reasoning Gym i wieloetapowe QA, przy zamrożonym solverze. Autorzy nie pokazali jeszcze transferu na dłuższe zadania agentowe ani przy zmianie solvera, a trening na sekwencjach rewizji nie dawał stałej przewagi.
- EN: Adaptation requires many executions and graded feedback from development questions; it is not cost-free learning from unlabeled interactions. Results cover Reasoning Gym families and multi-hop QA with a frozen solver. Transfer to longer-horizon agentic tasks or a changed solver remains untested, and training on revision sequences did not consistently outperform single-revision training.

## Key terms

- PL: **proposer**: Model, który generuje poprawki kodu uprzęży.
- PL: **raport wykonania**: Opis przebiegu i wyniku próby uprzęży.
- EN: **proposer**: Model that generates edits to the harness code.
- EN: **execution report**: Description of a harness trial's path and outcome.

## Know first

- [Prompty i kontekst (Prompting and context engineering)](https://aiatlasgraph.com/t/prompting.md)
- [Zarządzanie oknem kontekstu (Context window management: placement, compaction and context rot)](https://aiatlasgraph.com/t/contextmanagement.md)

## Subtopics (4 direct, 4 in total)

- [Adaptacja uprzęży podczas RL (Harness adaptation during agentic reinforcement learning)](https://aiatlasgraph.com/t/harnessadaptrl.md): RL in which the policy and harness adapt together based on training trajectories.
- [Koewolucja modelu i uprzęży agenta (Weight-harness co-evolution)](https://aiatlasgraph.com/t/weightharnesscoevo.md): A single policy acts as proposer and reflector; harness edit logs train its weights.
- [Rekurencyjna uprżąż z rewizją wsteczną (Recurrent harness with backward revision)](https://aiatlasgraph.com/t/reharness.md): A harness that adapts textual state by reading and writing reflections, then revising them from the outcomes of their downstream use.
- [Skalowanie uprzęży w agenticznym RL (Harness-diversity scaling for agentic reinforcement learning)](https://aiatlasgraph.com/t/harnessscaling.md): Scaling agentic RL by training on diverse harness configurations instead of one fixed one.

## Related topics

Untyped, symmetric "see also" links.

- [Kompozycyjne przeszukiwanie uprzęży (Compositional harness search)](https://aiatlasgraph.com/t/harnesscomposition.md)
- [Samonadzór wieloagentowy (MASS) (Multi-agent self-supervision (MASS))](https://aiatlasgraph.com/t/mass.md)

## Sources

- [Harness Learning Enables Generalizable Test-Time Adaptation](<https://arxiv.org/abs/2609.35738>) `harnesslearning-2026` · by Alvin Zhang, Xuecheng Liu, Zixuan Wang, Fahim Tajwar, Daman Arora, Ruslan Salakhutdinov, Daniel Khashabi, Yuda Song, Andrea Zanette

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/harnesslearning · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30