HaMo 框架：经验卡片检索+模型渐进适配，破解长程 Agent 持续学习难题
Zhen Bi · hf · 2026-10-28
湖州师范、阿里巴巴、浙大等机构提出 HaMo（Harness-Model Collaboration）框架，解决长程 Web Agent 的持续学习问题。现有系统要么靠模型适配（易遗忘、不稳定），要么靠外部记忆（可快速复用但性能有天花板）。
- 将轨迹蒸馏成策略级「经验卡片」，支持即时检索复用
- 用经验条件化的持续学习目标训练模型解读、落地并执行检索到的策略
- 基于检索覆盖率的筛选机制挑出紧凑且互补的轨迹用于参数更新
实验显示 HaMo 在域内持续学习中稳定提升，并在跨域迁移时表现更好。
「编程与Agent」频道最新
- 神操作:用加拿大原住民字符伪造 Go 泛型,骗过所有读者 — rickasaurus · 2026-10-28
- 微软 Agensh 看板细节:「测试通过」只是一条消息 — shoumikgoswami · 2026-10-28
- Ollama 联手 FriendliAI 11月5日首尔办 Meetup，聚焦开源模型生产级 Agent — ollama · 2026-10-28
- theo 放话：产品逼我去用 Dashboard，我就让 Claude 重建一个 — sull · 2026-10-28
- Magic Patterns 首位工程师自述：Cursor 接 Slack、周末上线全新文件类型 — Y Combinator Blog · 2026-10-28
- 妻子求职10个月无果，程序员丈夫自建AI求职应用并开源 — CurieuxExplorer · 2026-10-28