自改进 Agent 接受 harness 修改前应在独立新任务上验证
讲自改进 Agent 怎么防止改坏自己：新改动先在独立任务上跑赢旧版才准上线，还给了 GPT-5.4-nano 在 SpreadsheetBench 拿 77.58% 的例子。
#SpreadsheetBench
共 2 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「SpreadsheetBench」标签的资讯、产品与论文，按刊登时间排，新的在上。
10月16日
7月24日
论文09:22
工作流局部机制学习：结构化Agent技能的归因修复与知识复用这篇论文提出了WML方法，能精准定位Agent工作流失败节点并复用外部技能知识，在SpreadsheetBench和Compiler-Supported50上表现亮眼，比直接SkillAgent省不少token。