JHU与CMU提出Harness Learning：小模型学会改写Agent脚手架并泛化到新任务
rohanpaul_ai · x · 2026-10-06
约翰霍普金斯大学与卡内基梅隆大学的研究者发布论文《Harness Learning Enables Generalizable Test-Time Adaptation》，提出让小模型自动改进 agent 的 harness 代码。
核心内容：
- Harness 是什么：即组织模型调用、工具使用和信息流的可执行程序，与模型本身共同定义一个 agent；不同任务需要不同的组织方式。
- Harness Learning：训练一个 proposer 模型，根据失败报告等执行反馈去重写 solver 的 harness。作者将其形式化为对可执行程序的元学习——harness 修订扮演梯度适应中权重更新的角色。
- 训练方式：用强化学习训练 proposer，奖励信号是被修订 harness 的任务表现。
- 关键结果：在推理和多跳问答任务上，harness learning 提升了修订质量；测试时无需任何参数更新，仅靠新任务的连续执行反馈迭代 harness，且这种适应能力能迁移到未见过的任务。
- 意义：为 agent 在不改权重的情况下，把积累经验转化为可泛化改进的持续学习路径提供了方向。
所属事件:CMU等提出Harness Learning：4B模型改写Agent框架代码反超35B教师(3 条相关)→
「编程与Agent」频道最新
- AI 让烂游戏点子死得更快:品味依然无法下载 — AIandDesign · 2026-10-24
- Mintlify Agent 支持自定义 skills,上传风格指南即可自动调用 — ycombinator · 2026-10-24
- DeepSeek-AI 携手北大发论文：提出「上下文范式」统一时空可组合性 — akbirthko · 2026-10-24
- 网友质疑沙箱实验:AI 双方事先已在其他渠道协调协议 — basedjensen · 2026-10-24
- 399 页开源教材《Learn Go with Tests》上线 AI 导师平台 — burkov · 2026-10-24
- AI 对话生成的暗黑肉鸽 ASHENDEEP 上线 Spawn,3 分钟即有真人联机 — majidmanzarpour · 2026-10-24