TaoLive HAT：让 Agent 与 Harness 共同演化（Harness-Aware Training）¶

Ch04.706 TaoLive HAT：让 Agent 与 Harness 共同演化（Harness-Aware Training）¶

📊 Level ⭐⭐ | 4.2KB | entities/taolive-hat-harness-aware-training-arxiv-2608-15763.md

TaoLive HAT：让 Agent 与 Harness 共同演化（Harness-Aware Training）¶

背景：TaoLive（淘宝直播 AIGC LLM 团队）在 arXiv 2608.15763 发布的技术报告，提出 Harness-Aware Training (HAT)，核心命题是：当 Harness（Skills/Hooks/系统提示/工具）从模型权重中解耦、可运行时演化时，模型不能只针对单一 Harness 配置微调，而必须把「Harness 状态」纳入训练分布。

核心矛盾：可演化 Harness vs 训练僵化¶

直播电商的数字人 Agent 必须实时回答商品问题、与观众互动、并执行不断变化的运营策略（活动、合规、话术）。为满足这一点，TaoLive 构建了可演化 Harness：把 Skills、Hooks、系统提示、工具与模型权重解耦，运行时可改行为而无需重训。

但这制造了一个「移动的执行环境」两难： - 紧凑模型（低延迟）对单一配置微调后，会记忆名称、schema、提示模板，而不是跟随当前提供的 Harness——Harness 一变就失效； - 更强的零样本模型能跟随任意 Harness，但实时场景太慢。

这个「记忆 vs 泛化」张力是 HAT 要解决的核心。

HAT 方法：让 Harness 状态进入训练分布¶

HAT 的核心是把 Harness 状态（Skills、工具 schema、提示结构、交互约束）作为训练分布的一部分，通过任务保持的 Harness-State Augmentation (HSA) 实现，分三阶段：

HSA-based 监督微调（SFT）：在带 Harness 状态增强的数据上微调；
通用 on-policy 蒸馏：恢复通用能力，避免过度适配单一 Harness；
HSA-based agentic RL：在贴近生产的直播室模拟器中做强化学习。

关键结果¶

紧凑 35B 模型：Live-Stream QA 94.8（base 80.3，最强通用 LLM 93.0）、Harness-Variant QA 94.6、IFEval 83.5；
固定 Harness 的 SFT 使 IFEval 掉 7.7 分——直接证明「只针对单一 Harness 微调」会牺牲通用指令跟随；
单张 NVIDIA H20 + MTP：P50 3.407s / P95 8.114s，满足实时直播延迟约束；
4,500+ 案例、四套评测集。

与既有 Harness/Agentic-RL 工作的关系¶

与 Agent Lightning v1.0（Harnessed Agentic RL）同为「让训练感知 Harness」的 arxiv 工作，但路线不同：Lightning 是轻量框架 + agentic RL，TaoLive HAT 是三阶段 HSA 训练方法论，强调可演化 Harness 下的泛化保持。
属于 Agent Harness 工程范式在「训练侧」的延伸——多数 harness 工作聚焦运行时编排（Agent Harness 工程综述），HAT 补上了「模型如何与动态 Harness 一起训练」这一环。
与 Agentic RL 七课、CUHK SLIM（Skill 生命周期）同属 agentic RL 后训练谱系。

启示¶

HAT 的「记忆 vs 泛化」矛盾对生产 Agent 有普遍意义：任何解耦了 Harness/工具/Skill 的系统，若只对固定配置微调，都会在 Harness 演化时失效。把配置状态纳入训练分布（而非事后修补）是更根本的解法。

→ 原文存档