arXiv cs.AI· Yuxuan Zhang, Cong Wei, Penghui Du, Bo Li, Junwen Miao, Huaisong Zhang, Songcheng Cai, Yubo Wang, Dongfu Jiang, Yuyu Zhang, Changqian Yu, Ping Nie, Wenhu Chen, Kelsey R. Allen·· 9 小时前AI 评分35
RewardHarness：自进化智能体后训练框架
RewardHarness: Self-Evolving Agentic Post-Training
AI 导读
RewardHarness 是一个免训练、自进化的智能体奖励框架，将奖励建模重构为上下文演化而非权重优化，仅需 100 条偏好演示即可迭代演化工具与技能库。它仅用 EditReward 偏好数据 0.05% 的规模，在 EditReward-Bench K=2/3/4 和 GenAI-Bench 上达到 47.4% 平均准确率，超过 GPT-5 达 5.3 个百分点。
来源：arXiv cs.AI · arxiv.org