Agent Self-Evolution Runtime Editing Reinforcement Learning Failure Recovery
摘要

基于大语言模型的智能体在部署过程中会积累大量交互轨迹,但其行为通常保持固定。本文提出Harness-R1,这是一种首次将现有可执行运行时的全生命周期编辑转化为学习能力的的方法。该方法通过后训练专用的“编辑器”并利用在线强化学习,使其生成的补丁针对任务成功率进行优化。实验显示,Harness-R1显著提升了Qwen3.5-9B等基准测试中的成功率,并展示了智能体与运行时环境的协同进化潜力。

AI 推荐理由

论文提出Harness-R1,通过强化学习从失败轨迹中自动编辑运行时环境,实现Agent系统的自我改进与自适应进化。

研究机构
上海交通大学 小通科技 东南大学
论文信息
作者 Shuai Shao, Kangning Zhang, Qingyao Li, Shijian Wang, Hao Wang et al.
发布日期 2026-08-03
arXiv ID 2608.02276
相关性评分 9/10 (高度相关)