arXiv Artificial Intelligence· Haiwen Yi, Xinyuan Song·· 19 小时前AI 评分33
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 把 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 从演进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、在线自适应控制新执行。在编码任务、tau-bench、AgentBench 等评测中，HarnessMDP 的执行行为和最终任务表现均持续优于基线 harness。
来源：arXiv Artificial Intelligence · arxiv.org