🔥 今日值得一读
49行代码起步，同一模型自当优化器，跨5领域任务平均涨4.48分！
Self-Evolving Harness on Multiple Tasks with the Agent as Its Own Optimizer
👨💼 主理人解读 · 为什么值得关注
让Agent自己改写提示与工具调用框架，开发者可跨多任务自动优化Agent执行流程。
📖 AI 总结
本文提出一种接近递归自我改进的智能体框架：同一个冻结模型在同一版本harness上先作为求解器执行任务，再作为提议者读取完整运行记录并直接修改harness本身。每次进化批次从五个不同领域的基准中抽取任务，训练与留出任务严格分离，并额外在五个进化过程中从未使用的分布外基准上评估泛化能力。作者将进化过程类比深度学习训练，分为多任务预训练与持续训练两个阶段。从49行种子harness出发，第一阶段结束后的harness在分布内基准平均提升4.48分，在分布外基准提升12.64分，前者超越Codex，后者与Codex持平；第二阶段在Claw-Eval上继续进化，得分从66.17升至68.06，超过Codex。文章还分析了进化中涌现的机制，包括输出截断、历史压缩与独立审查。
🔑 关键词速览
| Harness | 围绕语言模型智能体的代码框架，负责组织提示词、调用工具、管理上下文和控制执行流程。 |
| Self-Evolving Harness | 让智能体自动改进自身 harness 的研究方向，无需人工重新设计。 |
| Recursive Self-Improvement | 系统利用自身能力改进自身组件，从而形成持续自我提升的循环。 |
| Out-of-Distribution (OOD) Benchmarks | 在进化过程中从未使用过的基准测试，用于评估模型在陌生任务上的泛化能力。 |
| Continual Training | 在预训练之后，于新任务或新数据上继续训练模型，以进一步提升性能。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅