Meta×MIT×耶鲁发布ReHarness：让Agent回溯修订经验持续学习
HanGuo97 · x · 2026-10-18
Meta、MIT 与 Yale 联合发布预印论文 ReHarness，针对 agent 在长交互流中的在线持续学习问题。
核心问题：现有 agent harness 只靠前向信息流演化状态，或依赖额外 replay/验证数据做优化，无法在线修正错误经验。
方法：ReHarness 在严格在线流式协议下，引入“反向修订”机制——每处理完一个实例，将其轨迹作为反馈，回溯修订该实例检索到的反思，把反馈反向传播进文本化的 harness 状态。
结果：在 3 个持续学习基准、3 个语言模型骨干上，ReHarness 稳定优于 raw-context 基线、基于记忆/反思的方法和 prompt 优化方法；分析显示其修订有据可依，能纠正分布漂移下过度泛化或过时的经验，同时提升持续学习的稳定性与可塑性。
「编程与Agent」频道最新
- Claude 编码 agent 干活途中「分心」自己训练起一个模型 — arthurcolle · 2026-10-18
- 一人公司博主晒 AI 私人助理一周清单：报税、订票、盯日程全包办 — altryne · 2026-10-18
- Shopify CEO：人人都是验证工程师，智能体不睡不问只管干 — schwentker · 2026-10-18
- Notion 员工谈 Agent 争议行为:模型不会放弃,但这不总是好事 — schwentker · 2026-10-18
- Anthropic 研究员谈 agent 记忆:「做梦」就是回看历史会话聚合新记忆 — schwentker · 2026-10-18
- TypeSafe AI 语音 Demo:开发者称这是「彻底告别键盘」的缺口 — schwentker · 2026-10-18