研究者提出ModHarness-RL:将智能体RL的harness变为可学习演化程序
热点事件持续更新
研究者提出ModHarness-RL:将智能体RL的harness变为可学习演化程序
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Zelin He 等在 arXiv 发表论文,提出 ModHarness-RL 框架,将智能体强化学习中固定不变的 harness 重构为从数据学习、随模型训练演化的程序。该方法把交互记录为结构化 State,由 Compression 程序组装历史上下文、Steering 程序在行为偏离时提供引导,训练中候选程序从近期轨迹提出并经执行验证。 论文称所提出的 Compression 与 Steering 机制在多数设置下使模型在保留测试集上的表现优于固定 harness 基线。实验以 CodeSearch 为重点深入分析,并涉及 ALFWorld 和 BIRD SQL 任务,模型规模为 1.5B 到 8B。
AI 根据报道生成 · 3 小时前更新
最新进展11月16日 13:00
ModHarness-RL:将 harness 重构为可学习、可演化的程序用于智能体 RL报道时间线
沿着报道,了解事件的不同侧面。
11月16日
- arXiv cs.AIModHarness-RL:将 harness 重构为可学习、可演化的程序用于智能体 RL
ModHarness-RL 将智能体强化学习(RL)中固定不变的 harness 重构为从数据学习、随模型训练演化的程序。它把交互记录为结构化 State,由 Compression 程序组装历史上下文、Steering 程序在行为偏离时提供引导;训练中候选程序从近期轨迹提出并经执行验证。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月16日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。