AutoDesign：面向长程智能体设计的元级Harness优化
AutoDesign是一种框架，通过元级Harness优化器利用执行反馈，引导代码智能体反复改进自身的Harness。研究团队以学术论文生成海报为任务，使用新基准PosterBench进行评估。在主赛道中，AutoDesign取得78.32分，比Claude Design高7.45分。在七种代码智能体和模型配置中，整合学习得到的DesignHarness后，平均得分从54.99提升至67.39。完全自主的长程循环在40分钟内完成253次工具调用和11轮编辑，成本低于3美元。系统盲测的人类研究还显示，在参与评估的系统中，AutoDesign获得了最高偏好。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。