ReHarness 论文上线 arXiv:循环式 Harness 实现 Agent 持续学习
rohanpaul_ai · x · 2026-11-13
论文《Recurrent Harness for Agentic Continual Learning》(arXiv:2610.12668)由 MIT、Meta MRS Research 与 Yale 的研究者发表。
核心思路:现有 agent harness 通常只通过前向信息流演化状态,或依赖额外的 replay/验证数据。ReHarness 在严格在线流式协议下,在前向读写之外引入后向修订——每个实例结束后,用产生的 trajectory 作为反馈,修订为该实例检索到的 reflections,把反馈向后传播进文本 harness 状态。
在 3 个持续学习 benchmark 与 3 个模型骨干上,ReHarness 一致优于 raw-context 基线、记忆/reflection 方法与 prompt 优化方法;分析显示其修订有据可依,能纠正分布漂移下的过泛化或过时经验,同时提升持续学习的稳定性与可塑性。
所属事件:MIT×Meta 发布 ReHarness:让 Agent 用后续结果回头修订旧记忆(2 条相关)→
「研究」频道最新
- 一张图讲透 AI 背后的线性代数：从向量到 SVD — HankYeomans · 2026-11-13
- 让 Codex 搜索模型架构：27M 参数transformer 被砍到 11.46M 且 loss 不变 — yoshiyama_akira · 2026-11-13
- Google 开源 Harness² 框架：Agent = Model + Harness — 2C_ornot2C · 2026-11-13
- 重排器+国际象棋:Elo 式样本训练出 SOTA 重排器 zerank-2 — CShorten30 · 2026-11-13
- 陶哲轩：黎曼猜想重大进展源自 AI 想法，人类尚不能理解 — burny_tech · 2026-11-13
- NYU 论文：删除不到 0.05% 权重即可匹敌全量微调 — burny_tech · 2026-11-13