由 Lingxiao Tang、Wei Tao、Yiwen Guo 和 Lingfeng Bao 提交的 arXiv 预印本提出 HarnessAdapt-RL，在强化学习训练编码智能体策略的同时自适应调整其执行框架。针对有缺陷的修复策略，该方法用冻结教师生成任务特定的机制级技能；对于跨任务重复出现的交互问题，另一教师模型演化工具与钩子，仅在观测通过率或可训练率提升且不降低另一项时保留改动。作者称，在 9B 基础模型上，该方法在 SWE-bench Verified、Multilingual 和 Pro 上的 pass@1 较 GRPO 分别提升 9.8、12.6 和 6.4 个百分点，并优于使用人工设计 OpenHands 框架的 GRPO；结果由作者自报，尚未独立验证。