研究者提出HarnessFlow：用MCTS自动优化LLM智能体harness

Zhi Hong等研究者在arXiv发布论文，提出HarnessFlow框架，在固定模型与任务环境、有限候选评估预算下，用Monte Carlo Tree Search（MCTS）平衡探索与利用，由编程智能体结合执行反馈和可复用harness机制库，自动优化完整可执行的LLM智能体harness。 据论文评测，在每个基准允许15次细化尝试的条件下，HarnessFlow在覆盖智能体任务、编程和网页交互的六项基准上，取得参与对比方法中最高的平均测试分数。

AI 根据报道生成 · 48 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。