Google/宾州州立论文:为 Harness 优化器加记忆,跨模型迁移平均提升 2.36 分

rohanpaul_ai · x · 2026-11-18

Google 与宾州州立大学的 arXiv 论文研究「持续递归自我改进」(CRSI):当策略模型或基准切换时,让 LLM 重写 Agent harness(运行 prompt 和工具的代码)的优化器如何延续既有改进。提出 Self-Improvement Memory(SIM):按反复出现的 harness 问题分组编辑,记录每处修改的理由、预测与实际结果、评估上下文,随优化持续扩展历史。实验覆盖四个领域,SIM 在跨数据集和跨模型对比中均优于仅 harness 与仅根因的延续方式;在编码领域的十次独立源运行中,配对延续平均提升最终分数 2.36 分(p=0.003)。

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →