微软论文 ActiveSaddler:按未修复失败挑任务,GAIA2 提升 4.4 分
rohanpaul_ai · x · 2026-10-05
微软新论文提出 agent harness 自动优化的主动任务选择方法 ActiveSaddler:
- 现有 harness 自动调优器大多只关注修补 prompt 和工具,但「喂什么任务」同样决定最终 harness 质量;固定任务列表浪费预算。
- ActiveSaddler 追踪失败模式,优先攻克最值得修复的失败,或尝试未见过的任务以发现新失败模式。
- 同一优化器下,GAIA2 测试通过率提升 4.4 点,Terminal-Bench 2.0 提升 7.5 点;达到 58.5% GAIA2 开发集准确率仅花费 $298,而固定任务顺序需 $1,360。
结论:自动调优 agent 时,应把运行预算集中在仍未解决的失败上。
所属事件:微软ActiveSaddler引入课程学习优化Agent Harness(3 条相关)→
「编程与Agent」频道最新
- Cloudy 用 Claude Code 自主调内核,gpt-oss-20b 解码提速 15% 跑赢 vLLM — saurabhtwq · 2026-10-24
- 用 Gemini 当软件架构师，独立开发 Apple Watch 咖啡因追踪应用 — pythononrailz · 2026-10-24
- 开发者定制 AGENTS.md 实现「两层上下文模式」，文件将开源 — khademinori · 2026-10-24
- Agent 驱动形式化验证对比传统代码评审：盲测实证数据出炉，结论「接近万能」 — rickasaurus · 2026-10-24
- GitHub 推出 HydraFusion Max：多模型编排融合 Claude Opus 5.5 与 GPT-6 系列 — unixterminal · 2026-10-24
- 学生开源无 GUI 视频编辑器 kimo，让编码 Agent 通过 MCP 驱动剪辑 — LieTop7965 · 2026-10-24