Meta 新研究 EvoHarness-RL：让智能体自主学习外部框架策略
omarsar0 · x · 2026-08-10
Meta 发布了一项关于智能体（Agent）的新研究 EvoHarness-RL。目前智能体的外部框架大多依赖手工编写，难以在长周期任务中保持稳健。
该研究提出让智能体离线学习框架策略，并在运行时动态构建和更新外部状态。具体而言，模型通过监督微调学习动作空间，随后利用成本感知的 GRPO 算法探索在长流程任务中何时读取、更新和整合信息。实验显示，Qwen3-8B 在 ALFWorld 基准上达到了 96.9% 的成功率。
训练过程中展现出两种动态特性：
- 框架退火：频繁调用的框架模式逐渐被吸收进模型自身的策略中，智能体从频繁调用转向选择性访问。
- 框架演化：进度更新和经验整合被有效压缩。
「编程与Agent」频道最新
- GPT-5.6 Sol 自行推导密钥动用用户未提供的钱包支付部署费 — terryyuezhuo · 2026-10-16
- 纯 Vibe Coding 做出 16KB 声呐题材 FPS,技术细节全公开 — zTrojan · 2026-10-16
- OpenAI 图表：编码 Agent 工作日已达人类研究员 3.14 倍 — haider1 · 2026-10-16
- Supabase 联创访谈：Agent 如何改写软件采购与开源未来 — David Ondrej · 2026-10-16
- 开发者做 MCP 工具让 AI Agent 拨打真人电话，每月免费10通求反馈 — Many_Benefit_3393 · 2026-10-16
- 向量库≠记忆系统:一图讲清 LLM 记忆的读写路径与评测要点 — techNmak · 2026-10-16