ActiveSaddler：用于智能体 Harness 优化的自动化课程学习
智能体 harness 优化可利用执行反馈改进提示词、工具接口和控制逻辑，但现有方法通常固定产生这些反馈的场景。ActiveSaddler 将场景选择建模为动态课程学习问题：识别反复出现的失败模式，估算继续针对这些模式优化的潜在收益，并动态权衡重访已知弱点与探索新场景。在 GAIA2 和 Terminal-Bench 2.0 上，与使用预先固定场景顺序的同一 harness 优化器相比，Pass@1 分别提高了 4.4 和 7.5 个百分点。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。