TinyAstral把演化后的教师Harness能力蒸馏到4B操作Agent

基于视觉语言模型的机器人Agent，既依赖规划模型，也依赖其harness，即外围的工具、反馈、记忆和恢复逻辑。能否把大型教师模型harness的改进转移到推理计算成本更低的紧凑Agent？我们提出两阶段方法TinyAstral。首先冻结开放权重教师模型，通过递归自我改进（RSI）优化harness：由前沿LLM Agent读取教师执行轨迹并提出harness修改，只有通过配对统计检验的修改才被接受。随后冻结最终harness，收集包含推理与失败恢复的教师轨迹，蒸馏出小型学生模型，在同一harness中替换教师。在RoboTwin上，harness演化使教师成功率从33.4%提高到63.6%，最终4B学生达到62.8%。四个harness版本下，蒸馏后的4B学生都接近对应教师，后续版本产生更强学生，说明harness演化收益能够转移到紧凑模型。其收益也能无需重新训练就转移到其他冻结规划模型。在相同评估回合上，最终4B学生优于开放4B Agent、开放27B harness-RSI模型SenseNova-RoboRSI，以及放在三个竞争harness中的本研究教师模型。它在三个训练基准上均接近教师，在另外三个从未用于RSI或训练的基准上，接近使用同一harness的552B规划模型。在测量的部署回合中，它仅使用教师模型约五分之一的加速器时间。