TwiScan
人気
コミュニティ
アカウントコレクション
ログイン
登録
English
日本語
한국의
简体中文
繁体中文
登録して招待リンクを共有すると、動画再生報酬と紹介報酬を獲得できます。
今すぐ登録
Xudong Han
@Xudong07452910
PhD ing @ University of Sussex | LLM & AI Agents 🎓 AI Agent Product Development Sharing AI tech insights DM for collab 📩 vx: hxdflying
参加 November 2020
744
フォロー中
16.1K
ファン
Xudong Han
@Xudong07452910
2026.10.15 03:32
Agent 自己改 Harness,最难的其实并不是「怎么改」。 而在于没有标准答案时,怎么知道这次改动到底有没有变好。 Google 团队这篇 Harness²,专门研究开放世界里的 Harness 自进化。 它设计了两层递归。 第一层针对当前任务:先提出 Harness 修改,再让新旧版本在相同条件下执行,通过行为差异判断哪些改动值得保留。 也就是说,它不依赖 ground-truth verifier,也能用真实执行结果来指导修改。 第二层更有意思: 每次改 Harness 的过程也会被总结成经验,记录什么问题、用了什么修改、为什么有效,再拿去指导未来的新任务。 所以它积累的,不只是更好的 Harness,还有「怎么改 Harness」这件事本身。 在 WorkBuddy-Bench、JobBench 和法律 Agent Benchmark 上,单轮改进就能稳定提升 GLM-5 和 Gemini 3.5 Flash,最高分别提升 11.5、4.5 和 11.8 个百分点;继续增加递归预算,表现还能进一步上涨。 我更关注第二层递归。 单次把 Agent 调得更好并不难,真正接近长期自进化的,是系统开始积累「过去怎么把自己调好」的经验。 Harness² 往前走的一步,就是让改进机制本身也开始有记忆。 📎 arxiv:
もっと見る
0
0
9
55
7
コミュニティへ転送
人気のあるユーザー
オリコンニュース
@oricon
2M ファン
TVer新着
@TVer_info
101.9K ファン
ツイッター速報〜BreakingNews
@tweetsoku1
259.8K ファン
PR TIMESテクノロジー
@PRTIMES_TECH
28.3K ファン
モデルプレス
@modelpress
2.1M ファン
空空道人
@Kongkongda5882
41.4K ファン
MANTANWEB/毎日キレイ
@mantanweb
68.6K ファン
New York Post
@nypost
4.3M ファン
Bloomberg
@business
10.5M ファン
吴说区块链
@wublockchain12
182.3K ファン
Yahoo!ニュース
@YahooNewsTopics
2.1M ファン
ファミ通.com
@famitsu
1.4M ファン
中國新聞社
@CNS1952
550.2K ファン
4Gamer
@4GamerNews
735.1K ファン
cv usk
@cv_usk
475 ファン