主要来源arXiv cs.AI
查看原文事件专题 ·单一信源
arXiv 论文提出不更新权重的 Agent Harness 进化方法
arXiv 新论文《Beyond Weight Updates: Evolving Agent Harnesses for Domain Specialization》提出将 LLM Agent 的领域专业化从权重更新扩展到 harness 层面。作者把 system prompt、工具 schema、技能库和规划脚手架的进化建模为 RL 式外循环,用反思式进化优化器 GEPA 实例化,保持策略模型冻结。 生成的 harness 适配器无需 GPU 训练,可按垂直领域加载,并与基于权重的 RL 组合使用。在 Codev(一个 Claude Code 风格的编码 Agent)上,团队于 SWE-bench Verified、OfficeBench 和 Terminal-Bench 三个基准测试,发现权重更新带来最强的单路径收益,harness 进化以极小算力恢复大部分收益,两者结合效果最好。 论文还分析 SFT 专业化的一种失败模式:推理链变短、截断增加,而 harness 适配器在结构上可避免该问题,定位为权重更新的非破坏性补充。
当前结论
做垂直领域 Agent 的开发者该看看:不训练模型也能专业化。论文用 GEPA 只改 prompt、工具和技能库,就在 SWE-bench Verified 等三个基准上逼近 SFT/RL 的效果,算力开销小很多,还能和权重训练叠加,特别适合没 GPU 的团队。
2 个信源51° AI 热度最后更新 2026/11/19 02:20:06
证据链
2 个信源相关来源 1shao__meng
查看原文冲突核查
现有去重数据只说明这些来源讨论同一事件,不代表立场相同。当前没有结构化的支持或反驳证据,不自动推断冲突。