观点总结如下：

1. Figure 7 的核心观点 ：在 DeepSeek Harness 的 Minimal mode 下，随着 RL training 规模增加，即 cumulative RL steps 增加，模型在多个 code agent benchmarks 上的性能持续提升

2. 长 context 对 long-horizon Agent 任务有额外收益 ：进一步把 maximal context length 扩展到 1M tokens，可以继续提升极长 horizon 任务的表现，典型代表是 Terminal-Bench v3.0

3. Figure 8 左图的核心观点 ：联合训练多个 Claude Code 版本时，性能随 cumulative RL steps 增加而提升；浅色曲线表示单个 Claude Code 版本的评估结果，主曲线体现联合训练的整体收益

4. Figure 8 右图的核心观点 ：联合训练异构 scaffolds 同样有效，包括 OpenCode、Pi、DeepSeek Harness 的 Standard 和 PTC modes；性能评估基准为 DeepSWE v1.1，浅色曲线表示单个 scaffold 的结果

5. RL scaling 有两个关键维度 ：一是 training compute，即 cumulative RL steps；二是 scaffold 数量与多样性。两个维度都能带来持续性能提升

6. 三种 RL scaling 场景均有效 ：单一 scaffold 内 scaling、同一 scaffold 的多个版本联合训练、异构 scaffolds 联合训练，都能随着 RL steps 增加而改善性能

7. 跨 scaffold 泛化能力强 ：模型不依赖单一 harness 或特定 tool schema，在不同 scaffold、不同 system prompt、不同 interaction protocol 下都能保持稳健表现

8. 断开曲线段不是异常 ：Figure 7 和 Figure 8 中不连续的曲线段表示 successive RL runs after model reinitialization，即模型重新初始化后的下一轮 RL run

9. model merging 是聚合 parallel RL compute 的实用手段 ：通过合并来自不同 scaffolds 或不同 configurations 的 checkpoints，组合不同 optimization paths 的改进，再用于后续 RL 初始化

10. model merging 带来双重收益 ：既能进一步提升 task performance，也能提升 token efficiency，使 RL scaling 可以跨 successive runs 继续扩展，而不局限于单个训练 run

11. 长 context 与 RL scaling 相互配合 ：RL training 规模提升整体能力，1M token context 扩展进一步释放 long-horizon Agent 任务潜力，例如 Terminal-Bench v3.0

12. 异构 scaffold RL 训练基础设施稳定高效 ：rollout execution 解耦为 agent sandbox 与 worker container，运行在 DSec 上，位于 preemptible GPU training pool 之外；trainer preemption 时可挂起、卸载并保留完整状态，从而支持跨异构 scaffolds 的稳定 RL 训练

观点总结如下：

1. Figure 7 的核心观点：在 DeepSeek Harness 的 Minimal mode 下，随着 RL training 规模增加，即 cumulative RL steps 增加，模型在多个 code agent benchmarks 上的性能持续提升。

2. 长 context 对 long-horizon Agent 任务有额外收益：进一步把 maximal context length 扩展到 1M tokens，可以继续提升极长 horizon 任务的表现，典型代表是 Terminal-Bench v3.0。

3. Figure 8 左图的核心观点：联合训练多个 Claude Code 版本时，性能随 cumulative RL steps 增加而提升；浅色曲线表示单个 Claude Code 版本的评估结果，主曲线体现联合训练的整体收益。

4. Figure 8 右图的核心观点：联合训练异构 scaffolds 同样有效，包括 OpenCode、Pi、DeepSeek Harness 的 Standard 和 PTC modes；性能评估基准为 DeepSWE v1.1，浅色曲线表示单个 scaffold 的结果。

5. RL scaling 有两个关键维度：一是 training compute，即 cumulative RL steps；二是 scaffold 数量与多样性。两个维度都能带来持续性能提升。

6. 三种 RL scaling 场景均有效：单一 scaffold 内 scaling、同一 scaffold 的多个版本联合训练、异构 scaffolds 联合训练，都能随着 RL steps 增加而改善性能。

7. 跨 scaffold 泛化能力强：模型不依赖单一 harness 或特定 tool schema，在不同 scaffold、不同 system prompt、不同 interaction protocol 下都能保持稳健表现。

8. 断开曲线段不是异常：Figure 7 和 Figure 8 中不连续的曲线段表示 successive RL runs after model reinitialization，即模型重新初始化后的下一轮 RL run。

9. model merging 是聚合 parallel RL compute 的实用手段：通过合并来自不同 scaffolds 或不同 configurations 的 checkpoints，组合不同 optimization paths 的改进，再用于后续 RL 初始化。

10. model merging 带来双重收益：既能进一步提升 task performance，也能提升 token efficiency，使 RL scaling 可以跨 successive runs 继续扩展，而不局限于单个训练 run。

11. 长 context 与 RL scaling 相互配合：RL training 规模提升整体能力，1M token context 扩展进一步释放 long-horizon Agent 任务潜力，例如 Terminal-Bench v3.0。

12. 异构 scaffold RL 训练基础设施稳定高效：rollout execution 解耦为 agent sandbox 与 worker container，运行在 DSec 上，位于 preemptible GPU training pool 之外；trainer preemption 时可挂起、卸载并保留完整状态，从而支持跨异构 scaffolds 的稳定 RL 训练。