Skalowanie agenticnego RL przez trening na zróżnicowanych konfiguracjach uprzęży zamiast jednej stałej.
Scaling agentic RL by training on diverse harness configurations instead of one fixed one.
Trening agentów na różnych konfiguracjach programu wokół modelu, żeby lepiej działały na nowych ustawieniach.
Training agents on different configurations of the program around the model so they work better on new setups.
Agent wytrenowany na jednej uprzęży słabo radzi sobie, gdy zmieni się sposób działania narzędzi lub kontekstu.
An agent trained on one harness struggles when the way tools or context work changes.
Podczas treningu zmienia różne elementy otoczenia agenta i uczy go na wielu wariantach naraz.
During training it varies different parts of the agent's surroundings and learns from many variants at once.
Asystent do kodu trenuje raz z jednym sposobem szukania plików, raz z innym, i potem działa w nowym narzędziu.
A coding assistant trains once with one way of searching files, once with another, and then works in a new tool.