CHART：轮换Agent Harness进行课程训练，改善跨框架行为迁移

搜索Agent通常只在一种Harness下训练，而部署后的运行框架会因生产需求频繁更新，例如重写系统提示词。若学到的行为依赖训练时的Harness，即便任务未变，框架更新也可能无法触发该行为。本文训练搜索Agent执行并行搜索，发现固定框架训练会使策略过拟合其表面形式，换框架后退回串行搜索。简单增加框架数量也不能解决：GRPO依赖同一问题并行与串行采样轨迹的奖励差，小框架池很快使差异饱和，大框架池又把每个框架的信号摊得过薄。因此，CHART采用轮换课程训练，让Agent逐步在不同框架下掌握并行搜索。每次定期评估，把已学会预期行为的框架替换为仍可学习的框架，使奖励差异持续存在。在相同初始框架池下，CHART使模型在所有框架中学会并行搜索，静态扩增最多成功一半。未见框架中，CHART在89%的交互轮次并行搜索，静态池最多5%；迁移到新问答任务和搜索环境后，pass@1比最佳静态池高5.6个百分点。CHART训练的Agent还比基线更能受益于元Harness搜索。