Harness-S：用兄弟执行框架互救失败轨迹训练通用智能体
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，非原文转载从单一框架转向兄弟框架
论文的出发点是执行框架（harness）的演化特征：从同一基座分出的变体各自修补不同的失败，彼此互补，且其效用随策略学习而变化，作者将其概括为 Locality、Complementarity、Nonstationarity。因此目标不是寻找一个普遍更优的框架，而是用兄弟框架有针对性地补救基座执行系统的失败，并把由此获得的能力沉淀进单一策略，使该策略在原始框架下依然有效。
失败触发的救援训练
方法分两部分。Directional Harness Evolution 沿不同修复方向演化出专用兄弟框架，形成一个可复用的 Sibling Harness Pool，该池在策略训练期间保持固定。Complementary Harness Rescue Training 规定调用时机：只有当基座框架下所有初始尝试均失败时才启用该池，由同一策略在选中的辅助框架下生成新的 rollout，并用这些轨迹替换失败组参与强化学习。
路由与证据刷新
选择哪些辅助框架由 Adaptive Harness Router 决定，它依据 Harness Behavior Profiles 并结合多个 LLM 的投票选出 Top-k 变体。由于策略在学习过程中不断变化，框架的相对效用也会漂移，因此引入 policy-aware profile re-anchoring，随策略学习刷新路由所依赖的证据。
实验结果与推理增益
在 AppWorld、SWE-Gym、DBBench 三个环境上，训练后的策略回到原始基座框架时大幅超过仅做策略训练的结果；行为分析与留出案例支持框架诱发的行为确实迁移进了策略本身。此外，把路由器复用于 Rank-1 推理，可在执行器 rollout 数不变的情况下获得额外收益。论文代码已公开。
为什么值得看
把「换框架」变成可迁移进策略本身的能力，给出失败驱动采样与路由的具体做法，对做智能体 RL 训练的团队有直接参考价值。
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。