HarnessMDP：离线强化学习让LLM智能体执行框架可学习

2026年10月15日，arXiv Artificial Intelligence 刊出由 Haiwen Yi、Xinyuan Song 提出的 HarnessMDP 框架。该工作把 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，并利用收集到的轨迹离线学习策略，再在线自适应控制新的执行过程。报道称，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。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现数字、时间或说法上的前后矛盾。

AI 根据报道生成 · 刚刚更新

还没有足够的连续观测数据，暂不绘制趋势。