一篇 RL for coding agents 的论文，我只记住 0.99 这个数
LEGORL，arXiv 2608.17393，8 月 18 号交的，12 个作者，一作 Yiming Du。这条在讲：给编码 agent 做强化学习训练，不用改 agent 自己那套控制流，把 RL 整个塞进真实的 harness 环境。原作者的说法是 harnessnative。
LEGO-RL1 篇实战文章
LEGORL，arXiv 2608.17393，8 月 18 号交的，12 个作者，一作 Yiming Du。这条在讲：给编码 agent 做强化学习训练，不用改 agent 自己那套控制流，把 RL 整个塞进真实的 harness 环境。原作者的说法是 harnessnative。