论文页面 - 共同演进框架与模型：当模仿学习失效时，在线策略修正如何帮助较弱模型迎头赶上

来源：https://huggingface.co/papers/2609.09134 作者：

,

,

,

,

,

,

,

,

,

,

摘要

将框架演进与局部专家修正相结合，能够在不破坏模型原生规划风格的前提下改进较弱模型。

智能体框架（https://huggingface.co/papers?q=Agent%20harness）（包括系统提示词、工具集、执行钩子以及围绕模型的上下文管理脚手架）是智能体任务成功的关键决定因素。自动化的框架演进（https://huggingface.co/papers?q=harness%20evolution）能够使较小的模型以远低于前沿模型的成本，在特定领域任务上表现出色。由于框架和模型权重共同塑造了模型行为，我们探讨了如何将框架演进（https://huggingface.co/papers?q=harness%20evolution）与轻量级微调（https://huggingface.co/papers?q=fine-tuning）结合起来。在七个企业智能体任务中，我们首先用较弱的模型演进一个框架，然后发现更强的专家模型通常能更有效地使用它，这表明专家指导可能弥合剩余差距。然而，让较弱模型在演进后的框架下，模仿专家的完整运行轨迹进行训练，结果适得其反：在Qwen3-Coder和Gemma 4上，所有七个任务的性能都下降了4到30个百分点，尽管同样的方法在未经演进的框架下是有帮助的。我们的分析表明，模仿学习可以传递知识并增加脚手架的使用，但破坏了模型-框架适配度（https://huggingface.co/papers?q=model-harness%20fit）：较弱模型采用了专家的规划策略，却缺乏执行该策略的能力，并且不再匹配围绕其原生规划风格演进出的框架。因此，我们开发了一套在线策略的专家修正流程，由一个元级别MLE智能体（https://huggingface.co/papers?q=meta-level%20MLE%20agent）自动化执行，该流程能定位较弱模型自身生成轨迹中的失败轮次，并请专家仅重写该轮次。这保留了模型的规划风格，并结合了框架演进（https://huggingface.co/papers?q=harness%20evolution）与模型适应的收益。我们的研究识别并解决了一个框架更新与权重更新之间的冲突源头，为特定领域企业任务的经济高效共同演进，提供了一个兼容性保留的方案。

查看arXiv页面 (https://arxiv.org/abs/2609.09134) 查看PDF (https://arxiv.org/pdf/2609.09134) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.09134)

在你的智能体中获取这篇论文：

hf papers read 2609\.09134

没有最新的CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有模型链接此论文 在模型的README.md中引用arxiv.org/abs/2609.09134以从本页链接它。

引用此论文的数据集0

没有数据集链接此论文 在数据集的README.md中引用arxiv.org/abs/2609.09134以从本页链接它。

引用此论文的Spaces0

没有Space链接此论文 在Space的README.md中引用arxiv.org/abs/2609.09134以从本页链接它。

包含此论文的收藏0

没有收藏包含此论文 将此论文添加到收藏夹 (https://huggingface.co/new-collection) 以从本页链接它。