arXiv cs.AI· Haiwen Yi, Xinyuan Song·· 9 小时前AI 评分27
HarnessMDP：用离线强化学习让 LLM 智能体的执行 harness 可学习
HarnessMDP: Learning to Control LLM Agent Harnesses with Offline Reinforcement Learning
AI 导读
HarnessMDP 将 LLM 智能体的执行 harness 建模为有限时域马尔可夫决策过程，让 harness 从演化的智能体状态中选择结构性执行动作，并用收集到的轨迹离线学习策略、上线后自适应控制新执行。在编码任务、tau-bench、AgentBench 等评测中，HarnessMDP 相比基线 harness 持续改善执行行为与最终任务表现。
来源：arXiv cs.AI · arxiv.org