港科大论文：LLM 智能体策略暗藏 harness 偏好，部署收益取决于 harness 上限与策略失配

港科大（广州）论文指出，在 KL 正则化下，训练后的最优策略会以 log-odds 恢复 harness 对各动作的偏好强度。部署收益等于 harness 的天花板减去策略失配项；训练只改变失配项，更换 harness 则同时移动天花板与失配，比较时必须将二者分开。