RewardHarness：免训练自进化奖励框架发布

Yuxuan Zhang 等作者发布论文提出 RewardHarness，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。 论文称，仅使用 EditReward 偏好数据 0.05% 的规模，RewardHarness 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。代码与模型已在项目页面公开。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。