📖 摘要

研究智能体框架与模型协同演化，发现在线策略校正可助弱模型超越模仿学习。

🔑 关键词速览

Agent harness	智能体框架，指围绕模型构建的系统提示、工具集、执行钩子和上下文管理脚手架，用于支持智能体任务执行。
On-policy correction	在线策略修正，指在模型自身生成轨迹的基础上，由专家仅修正失败步骤的训练方法，以保持模型原有策略风格。
Imitation learning	模仿学习，指通过训练模型模仿专家完整轨迹来学习行为的方法，但可能因能力不匹配而失败。
Model-harness fit	模型与框架契合度，指模型行为与框架设计之间的匹配程度，影响任务性能。
MLE agent	元级最大似然估计智能体，指用于自动化专家修正流程的智能体，通过定位失败轮次来优化训练。