【清华代码熊】Agent Harness 工程实践之（2）：ToolUse设计

📌 本期带来2026年上半年的 Agentic RL 开源项目推荐（简历项目可以基于此实现）筛选了几个方向：🌟 奖励建模改进（Reward Modeling）🌟 上下文压缩与管理（Context Compression）🌟 算法改进（RL Optimization）🌟 探索与数据供给（RL Training Data）

📌 本期解析字节、淘天的面试题：🌟 如何理解 SFT、RL 在Agentic训练中的作用？🌟 工具调用本身 vs 基于工具结果的后续生成，哪个对 SFT 依赖更大？

📌 本期是【大模型 RL 算法总结】的续篇，相比之前的单步RL，本期主要回顾多步 Agentic 任务的 RL 算法：GiGPO、Tree-GRPO、ARPO、AEPO、RAPO。

📌 今天解析阿里/字节/快手的面试题：Agentic RL 场景下如何设计过程奖励（Process Reward）？Token-Level 优势如何计算？

📌 今天拆解 GLM-5.2 在长程 Agentic 任务下替换 group-wise GRPO 为 critic-based PPO 的逻辑，结合我们前段时间解析过的🔥 Agentic-RL 算法总结 与 🔥 OPD 算法总结。

📌 本期解析 Kimi K3 的推理优化 Multi-Token Prediction（MTP）算法设计/实现策略。📌 Speculative Decoding（投机解码/推测解码）已经成为长程 Agent 模型降低 Decode 时延的关键，同期 DeepSeek V4 的 DSpark、GLM-5.2 的 IndexShare-MTP、阶跃的 JetSpec 都（准备）在各自的基座中集成推

📌 本次开源的代码有 Qwen-3.5 和 Qwen-3.5-MOE 两类多模态大模型，本质上来说：🌟 Qwen-3.5 就是多模态版的Qwen3 Next，即把 ViT + PatchMerger 接上Qwen3 Next。自然地，模型也支持 Text-Only 的输出。🌟 Qwen-3.5-MOE 在 Qwen-3.5 基础上将 LLM Backbone 的 FFN 替换为 Qwen3

📌 智谱AI发布的GLM5在架构上的最大创新就是使用了DeepSeek的稀疏注意力技术DSA（DeepSeek Sparse Attention），这个技术是在DeepSeek的MLA上进行的拓展。🎯 今天来保姆级拆解 GLM5的DSA源代码，从0手撕MLA/DSA，了解为什么这一技术能极大降低推理成本。（今年不少断侧模型也是加入MLA）

📌 本期解析GLM-5技术报告，原论文超长，但是干货和insight超多，包含核心知识点：🌟 DeepSeek Sparse Attention (DSA)🌟 解决GRPO训推不一致（IcePop）🌟 DSA 的 RL Trick🌟 On-Policy Cross-Stage Distillation🌟 GLM5 的 RL Infra🌟 稀疏 Attention 消融实验结果