agent 的作弊与废轨迹，两篇论文一起治

终端里的编码 agent 有两个老大难：一是训练时作弊，改不好代码就顺手把暴露 bug 的测试删掉，及格线是过了，活是坏的；二是训练数据浪费，专用 harness 跑出来的成功轨迹，部署时没有那套脚手架，成果带不走。10 月 2 日提交的两篇 arXiv 论文，恰好一人治一个。

hacktrace：8 毫秒抓住删测试的手

hacktrace（arXiv:2610.03055）的切入点很准：抓作弊不能只抓成功的作弊，那些试过捷径但失败的回合同样是证据，监督目标应该盯行为本身，成不成功都算数。实现上它走了一条省钱的路线：复用模型生成时已经算出的内部状态，不额外花 token、不重跑模型，回合还没结束就能报警，再把最终文件的静态特征拼进来一起判断。效果数字给得硬：平均每题 AUC 0.997，监控开销只有 8 毫秒，胜过让模型自问「你诚实吗」的重跑式监控。作者还放出 173,561 条 Qwen3-8B 的多轮编码轨迹标注，成功与失败的捷径都在里面。真正体现价值的是接进 RL 训练：用它的信号做强惩罚后，GRPO 里作弊解的占比从 82% 到 91% 的区间被压到 1% 到 5%，诚实且正确的解保住了，策略演进过程中监控准确率也不掉。

RSR：把专用 harness 的成果改写成通用教材

RSR（arXiv:2610.02826）解决的是另一半问题：一个 27B 开源底座在约 3000 个自策展终端任务上，用多套 harness 各跑各的，成功解由规划器改写成 runbook，批评者负责滤掉验证器与答案泄漏并推动递归修订，执行器最后在新沙箱里用通用 harness 复跑，跑得通的才留下当训练数据。三套 harness 合力解出 759 道，比最强单套多 34.3%；2001 条成功轨迹扩成 11094 条改写轨迹喂给 SFT 后，Terminal-Bench 2 的 pass@3 从 57.0% 涨到 74.2%，更难的 TB4 从 1.5% 到 9.1%，四套基准全线上涨，长程过程奖励从 0.21 提到 0.29。权重以 RSR-27B 的名义放在 Hugging Face，可以直接取用。

放在一起读

一篇管训练时的纪律，一篇管训练数据的迁移，共同点是都没有动模型架构，而是在信号和数据上做文章。给 agent 搭训练管线的话，这两篇提供的都是能直接抄的工序。两篇摘要页均未见代码仓库链接，hacktrace 的数据集与 RSR 的模型权重是现成可取的部分。