AI 热点

Northwestern 与 Google 论文提出 Harness2,让智能体外壳无需答案键自我改进

Rohan Paul更新于 11月15日 09:00

New Northwestern and Google paper shows that agent harnesses can improve themselves on new tasks without answer keys, by test-running edits and keeping what hel

AI 导读

Northwestern 与 Google 的新论文提出 Harness2,让智能体外壳在没有答案键的新任务上自我改进:先运行智能体,由编辑模型提出外壳修改,再重跑任务看哪些修改真正改善了行为,并把每个任务的经验存入库中指导下一次修改。一次改进步骤让 GLM-5 的 WorkBuddy-Bench 得分提升 11.5 分,超过使用原始外壳的 Gemini 3.5 Flash;而不做这些测试运行直接改外壳,编码得分从 73.4 降到 63.2。

推荐理由

AI 评分 58

原文给出无答案键场景下自动改写智能体外壳的具体流程,以及一次改进带来的分数变化和反例。

主题

标签

正文 · AI 翻译

Northwestern 与 Google 的新论文表明,智能体外壳可以在没有答案键的新任务上实现自我改进:通过试运行修改并保留有帮助的部分。

智能体的外壳是包裹在模型周围的提示词、工具、技能和记忆。手工调优很慢,而新的现实任务没有可供调优的答案键。

Harness2 运行智能体,由编辑模型提出外壳修复方案,然后重跑任务,看哪些修复改善了智能体的行为。每个任务的经验教训会存入一个库中,用于指导下一次的修改。

一次改进步骤让 GLM-5 的 WorkBuddy-Bench 得分提升了 11.5 分,超过了使用原始外壳的 Gemini 3.5 Flash。而不进行这些测试运行直接修改外壳,编码得分反而从 73.4 降到 63.2。

把智能体的外壳视为需要按任务修订的东西,只保留那些在真实运行中改变其行为的修改。

来源

Rohan Paul