EN
◀ 返回收集
arXiv / HF

Harness-S:兄弟 Harness 救援失败任务,把能力迁回原 Harness 下的单一策略

发布 2026-11-06 收集于 2026-11-07 12:00 AI 资讯 #ai#tech
全文

Harness-S:从兄弟 Harness 学习,训练可泛化的 Agent

张康宁等 · arXiv:2611.04277

Agent 行为由「模型策略 + Harness」(提示、工具、记忆、执行规则)共同决定。从同一基座演化出的兄弟 Harness 呈现局部性、互补性与非平稳性:各自修不同失败,且随策略学习效用会变。

Harness-S 在基座 $H_0$ 全部失败时,用专用兄弟 Harness 做选择性救援,再把能力迁移回在原 $H_0$ 下仍有效的单一策略。方向性演化构建可复用兄弟池;互补救援训练只在 $H_0$ 全败时调用辅助 Harness;自适应路由器用行为画像与多 LLM 投票选 Top-k,并随策略学习重锚定画像。

在 AppWorld、SWE-Gym、DBBench 上,回到 $H_0$ 评测时显著优于纯策略训练。代码:https://github.com/DeepExperience/Harness-S

原文信息
标题
Harness-S:兄弟 Harness 救援失败任务,把能力迁回原 Harness 下的单一策略
作者
—
来源
arXiv / HF
发布
2026-11-06
收集于
2026-11-07 12:00 · 2026-11-07-12-ai.json
链接
https://arxiv.org/abs/2611.04277
打开原文 ↗

转载,侵删。版权归原作者,如有侵权请来信,收到后删除。

同一批次的其他文章

12:00批次 · 2026-11-0712 篇
>

Crusoe 把陷入麻烦的怀俄明数据中心项目卖给谷歌;谷歌宣布约 170 亿美元建设园区

丹佛数据中心商 Crusoe(近期估值约 309 亿美元)确认将怀俄明东南未完工园区售予谷歌;谷歌此前对成本与工期不满。规划曾瞄约 10GW;对价未披露,谷歌称将投约 170 亿美元建设。阿马里洛项目仍与 Crusoe 合作。凸显独立运营商交付巨型 AI 算力园区的难度。

TechCrunch
>

BioBasicsBench:100 道日常湿实验任务,评 Agent 读原始数据、抓错误、敢说「证据不够」

与 Ligo 合作:凝胶/菌落/显微/测序等原始证据,覆盖蛋白、成像、定量、核酸、克隆五类;专家 rubric 三重审。xhigh 下 GPT-6 Astra 均分约 66.7% 可用分,GPT-5.6 Sol 约 43.8%。强调把日常实验做对,对科研加速与生物安保都有含义。

OpenAI
>

OpenAI×Frontier Model Forum:给「绕过防护是否可能造成严重网络伤害」定级框架

官方帖:与 FMF 成员机构一起发布框架,帮助判断绕过 AI 防护是否可能促成严重网络危害,并优先加强防护。属安全评测方法论,非新模型发布;可与 Vals CyberOffense 等攻防评测对照。

OpenAI / X
>

vork:给 Agent 用的无头 3D/VFX 引擎——场景写成代码、渲染、看图、再改(约 2500 token API)

Rust+Slang,Vulkan/Metal;内核只留几何/光线查询等,其余由 Agent 边写边改。可改写光物理、线框森林、百万鸟群、实拍合成、GPU 流体。预览期源码可用免费;可按秒租云 GPU。对人机特效工具链是另一条「Agent-native」路径。

Voyager
>

Claude Duet 手机端可监控与审批 Claude Code 会话(本地与云端)

多条社区与日报称:Claude Duet App 已能查看 Claude Code 会话状态、审批改动、发送更新,覆盖本地与云会话。对「人在回路」远程盯编码 Agent 有直接产品含义;以 Anthropic 客户端实际能力为准。

社区 / X 趋势
>

Linus Torvalds 批强制披露「是否用了 AI」:结果比工具更重要

X 趋势话题:Torvalds 在编码相关讨论中称强制 AI 使用披露「utterly stupid」,强调看结果而非工具。属社区言论摘要,细节以原帖/邮件列表为准;对企业合规「AI 生成标记」政策是反面对照。

X 趋势 / 内核社区
>

建设者把重心放在 Agent Harness(工具/记忆/子代理/校验),而非「完美模型」

趋势摘要:多位建设者强调用 harness 组合让 Agent 能稳定跑数小时任务。可与本期 Harness-S 论文、ECC 等仓库对照;属舆论主题而非单一产品发布。

X 趋势
>

VFlash:按视觉原语整块并行解码——轨迹/框更快更准,MolmoSpaces 条件化约 70.2%

改进什么:自回归 VLM 逐 token 解坐标,细节越多越慢。怎么做:Flash Primitive Decoding 一次生成整块结构合法原语(文本仍投机验证)。轨迹误差下降;3D 点运动粗测约 25×;计划条件化 WAM 四套任务均分 70.2% vs 62.6%。

arXiv / NVIDIA 等
>

Decoupled Predictive Decision Making:共享条件预测器服务多 Agent 决策

改进什么:多 Agent 各自学预测易冗余、难共享。怎么做:解耦出共享条件预测器,决策头按需使用。HF↑114,适合对照多智能体世界模型/规划栈。

HF Papers
>

SPECMEM:用跨会话活记忆加速工具调用的投机解码草稿

改进什么:工具调用仍自回归解码,延迟高;现有系统无跨会话草稿库或建完不更新。怎么做:按用户重复行为维护可更新的草稿记忆,服务投机解码。面向部署侧工具 Agent 延迟。

arXiv
>

Tools Need Not Speak in Text:工具结果用隐式上下文压缩,少占对话 token

改进什么:工具返回全进文本上下文又贵又吵。怎么做:对工具观测做隐式压缩再注入 Agent。适合长工具链企业 Agent 控成本。

HF Papers
>

Ask, Don't Equip:问答驱动的编码 Agent,做深层内核优化

改进什么:给 Agent 堆满工具不一定等于会做系统级优化。怎么做:以提问驱动探索与验证,面向内核等深层优化任务。对照「工具越多越好」直觉。

HF Papers