Berkeley 等发布 Exo 架构：agent 边干活边改自身代码，省 35-61% 成本
dair_ai · x · 2026-11-06
UC Berkeley、Andreessen Horowitz 与 Braintrust 研究者发布论文《Exo: A Harness Architecture for Runtime Self-Improvement》，提出把 harness（agent 运行时框架）优化从离线搬进任务执行过程。
核心思路
- 传统 harness 优化是外部循环：需要代表性数据集和大量昂贵运行，且新领域常无 benchmark（一项调研称 75% 团队在无 benchmark 情况下评测 agent）。
- Exo 让 agent 在执行任务时直接编辑自己的 harness 代码；一个最小受保护机制层保存执行历史、控制哪版 policy 生效，所有改动以可审查的代码 diff 形式呈现。
实验结果
- AppWorld 与 SREGym 上，相比相同起始 policy 且不能自我编辑的版本，held-out 模型成本降低 35-61%，正确率相当；AppWorld 平均任务时间降 13%，SREGym 中位诊断时间降 35%。
- 对 Codex 和 Pi 的 standalone 运行，模型成本降 12-53%，transfer 降 45-82%，任务完成率持平。
- Continual Learning Bench 编码任务中含学习成本在内总模型成本降 14%，两版 policy 均解决全部 issue。
所属事件:伯克利Exo架构让Agent运行时自我改进(4 条相关)→
「编程与Agent」频道最新
- 在安卓手机装 Termux 跑 Codex CLI:让 AI 直接控制手机 — angadsg · 2026-11-07
- 把手机插上电脑交给 Codex：删预装、清语音信箱、整理照片全搞定 — angadsg · 2026-11-07
- 「软件工厂」是营销噱头还是必需基建？编码 agent 圈激辩 — vikvang1 · 2026-11-07
- 从 Parse 到 Conductor:平台被收购后关停的剧本重演 — Arindam_1729 · 2026-11-07
- UW与Ai2发布s³：多智能体RL让LLM集群自组织，性能超best-of-N — StellaLisy · 2026-11-07
- Perplexity CEO 展示 GTABot:Teammate 自动量产 GTA 模组 — AravSrinivas · 2026-11-07