先了解这件事
AI 综述
2026年10月11日,斯坦福发表关于Agent失败类型与修复方法的论文。论文将智能体失败分为流程失败(如循环、步数预算耗尽)和内容失败(交付了糟糕的计划),前者可通过修改harness(模型周边的提示词、工具与检查)修复,后者需要微调权重。在旅行规划基准上,由LLM驱动的循环重写harness,最佳运行结果再用于微调模型。harness演化把Qwen3.5-4B在留出任务上的成绩从0.16提升到0.30,计划交付率从55%升至90%;但harness修改从未减少糟糕计划的比例,而LoRA适配器把Qwen3.5-9B留出运行中的糟糕计划占比从28%降到5%。
AI 根据公开报道生成
最新进展 · 正式报道
斯坦福论文：智能体循环卡顿改 harness，计划质量差需训练权重事件进展
1 个已确认进展
- 来源：Rohan Paul
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月11日
Rohan Paul
斯坦福论文：智能体循环卡顿改 harness，计划质量差需训练权重
斯坦福新论文发现，智能体的失败可分为流程失败（如循环、步数预算耗尽）和内容失败（交付了糟糕的计划），前者可通过修改 harness（模型周边的提示词、工具与检查）修复，后者需要微调权重。在旅行规划基准上，由 LLM 驱动的循环重写 harness，最佳运行结果再用于微调模型。harness 演化把 Qwen3.5-4B 在留出任务上的成绩从 0.16 提升到 0.30，计划交付率从 55% 升至 90%；但 harness 修改从未减少糟糕计划的比例，而 LoRA 适配器把 Qwen3.5-9B 留出运行中的糟糕计划占比从 28% 降到 5%。