07:52
elvis@omarsar0
elvis@omarsar076°
推荐理由：Meta 新论文让智能体学会管理外部记忆，Qwen3-8B 在 ALFWorld 到 96.9%，长任务不用堆工具。
EvoHarness-RL
共 1 条相关 AI 资讯
8月10日
07:52
Meta 新研究提出 EvoHarness-RL，让智能体离线学习 harness 策略并在运行时在线构建外部状态。该策略利用 Belief、Progress、Experience 三类状态，先通过监督微调学习动作空间，再使用成本感知 GRPO 优化。基于 Qwen3-8B 的智能体在 ALFWorld 基准上达到 96.9%。训练中出现 harness annealing 和 harness evolution 两种动态，前者将重复模式吸收进模型策略，后者压缩工作区为紧凑状态。研究认为长程智能体更取决于可训练协调策略，而非更大工具或记忆。