用机器学习思维做 harness:给提示词长度加 L2 正则,模型越强权重越大
peterjliu · x · 2026-09-30
作者把机器学习里的正则化思想迁移到 agent harness / prompt 工程上:为获得更好的泛化能力,目标函数里应加入基于 harness 代码(含提示词)长度的 L2 正则项,惩罚过度复杂的手工规则。
更有意思的推论是:正则化权重应随模型能力提升而增大——模型越强,越应该精简 harness,让模型自身能力而非提示词补丁来解决问题。
「编程与Agent」频道最新
- NVIDIA 联手 Nous Research 详解 NeMo Relay 智能体追踪实践 — NVIDIAAI · 2026-10-01
- 模型写代码已够准:他主张删掉单元测试、取消代码评审仪式 — sanderssays · 2026-10-01
- Stack Overflow 推出 Stack Internal:把企业散落知识变成 AI 可信记忆 — pchandrasekar · 2026-10-01
- Code4Scene 基准:14 个 agent 在虚幻引擎里搭 3D 场景仍难过关 — Lianhuiq · 2026-10-01
- OpenRoboto 在 Bittensor 上办机器人智能竞赛，矿工接力改进共享基座模型 — markjeffrey · 2026-10-01
- Weco 见闻:Agent 改写判分代码看似作弊实为修 bug — victor_explore · 2026-10-01