arXiv cs.SE· Lingxiao Tang, Wei Tao, Yiwen Guo, Lingfeng Bao·· 2 小时前精选AI 评分60
HarnessAdapt-RL：训练编码智能体时同步演化工具与钩子
Training the Whole Agent, Not Just the Model
AI 导读
论文提出 HarnessAdapt-RL，在强化学习过程中同时训练策略并调整智能体的 harness。针对有缺陷的修复策略，由冻结的教师模型生成任务级机制技能；针对跨任务反复出现的交互问题，由另一个教师模型演化工具与钩子，仅在提升观测通过率或可训练率且不降低另一项时保留改动。
推荐理由
论文提出在强化学习过程中同步演化智能体的工具与钩子，并给出在 SWE-bench 三个子集上的量化增益。
来源：arXiv cs.SE · arxiv.org