HarnessMM 用受控决策复用减少 agent 重复推理
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载复用已定决策减少回调
HarnessMM 针对的是智能体执行框架里一种反复出现的开销：工具返回结果之后，框架往往还会再次调用推理，哪怕先前那次调用已经把下一步动作确定下来。该方法在模型与工具的边界上设置了一个控制器，把已经确定下来的决策保存下来，用来替代后续的推理回调，而执行动作的模型权重保持不动。承载这些决策的结构叫可执行决策图，其中记录的是确切动作、字面参数、因果依赖关系以及公开的守卫条件。守卫式决策复用会依据观察到的回执把这类持久化决策重新激活，再通过原生接口执行，并记录被替换掉的慢回调已移除。当出现新的语义决策、证据不足以支撑复用，或者选择器主动弃权时，系统会重新调用原本的执行者。
训练反馈驱动配置迭代
论文提出的递归自我改进机制，是从训练反馈出发反复打磨配套的框架配置，再由验证环节挑出用于部署的那一份。作者强调，这种表示方式限定了反馈可以改动的范围，而质量与成本的衡量则建立在完整任务之上。换句话说，改动被约束在受控的配置空间里，而不是放任反馈去改动执行者本身。这套组合把守卫式决策复用与递归自我改进放在一起，目标是让已有的框架少做重复推理。作者在结论中把守卫式决策复用视为降低现有框架重复推理的一条可行路径。
两项基准上的表现
在 HumanEval 上，HarnessMM 让 Codex 的成功率保持在 90.82\%，同时把每任务 token 数（千为单位）从 66.72 降到 47.02，节省 29.54\%。在 DeepSeek Harness 上，成功率由 71.43\% 升到 85.71\%，每任务 token 数从 96.28 降到 11.62，节省 87.93\%。另有一项在 MBPP 上的消融实验显示，其成本比一次性使用的图低 26.91\%，比保留回调的做法低 19.52\%。这些数字对应的是完整任务上的测量，而非局部片段。
适用边界与读者意义
从方法设计看，HarnessMM 的适用范围限定在那些工具反馈后仍会重复触发推理的框架，且复用依赖可执行决策图中记录的确切动作、字面参数、因果依赖与公开守卫；一旦遇到新的语义决策或证据不足，仍要回到原执行者，因此它并不取消推理，而是把已经解决的决策留存下来。对使用这类框架的读者而言，论文给出的信号是：重复推理带来的 token 开销可以通过受守卫的决策复用来削减，且执行者的权重无需改动，部署时只需在验证环节选定配置。
为什么值得看
给出可落地的 harness 层省 token 方法，附两个 harness 的成功率与成本对比数据。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。