论文页面 - HarnessX: 可组合、自适应且可演化的智能体框架工厂

来源: https://huggingface.co/papers/2606.14249
作者: , , , , , , , , , , , ,

摘要

HarnessX 通过组合式原语、轨迹驱动的演化以及反馈循环（该循环同时改进框架设计与模型训练），实现了自适应且可演化的 AI 智能体运行时界面。

AI 智能体性能 (https://huggingface.co/papers?q=agent%20performance) 关键取决于运行时框架 (https://huggingface.co/papers?q=runtime%20harness)， 该框架包括提示 (https://huggingface.co/papers?q=prompts)、工具 (https://huggingface.co/papers?q=tools)、记忆 (https://huggingface.co/papers?q=memory) 和控制流程 (https://huggingface.co/papers?q=control%20flow)，这些组件调节着模型如何观察、推理和行动。然而，当今的框架仍大多是手工制作且静态的：每一种新模型或新任务都需要定制的脚手架，而执行过程中产生的丰富轨迹很少被系统地利用来改进。我们提出了 HarnessX，一个用于构建可组合、自适应且可演化的智能体框架的工厂。HarnessX 通过替换代数 (https://huggingface.co/papers?q=substitution%20algebra) 组装类型化的框架原语，通过 AEGIS (https://huggingface.co/papers?q=AEGIS)（一个基于操作镜像 (https://huggingface.co/papers?q=operational%20mirror) 中符号适应 (https://huggingface.co/papers?q=symbolic%20adaptation) 与强化学习 (https://huggingface.co/papers?q=reinforcement%20learning) 之间关系的轨迹驱动多智能体演化引擎 (https://huggingface.co/papers?q=multi-agent%20evolution%20engine)）进行自适应，并通过将轨迹转化为框架更新和模型训练信号来闭环框架-模型循环 (https://huggingface.co/papers?q=harness-model%20loop)。在五个基准测试（ALFWorld、GAIA、WebShop、tau^3-Bench 和 SWE-bench Verified）中，HarnessX 平均提升了 +14.5%（最高可达 +44.0%），且基线越低提升越大。这些结果表明，智能体的进步不必仅依赖模型规模扩展：根据执行反馈 (https://huggingface.co/papers?q=execution%20feedback) 组合和演化运行时界面是一个可行且互补的杠杆。完整代码将在未来版本中开源。

查看 arXiv 页面 (https://arxiv.org/abs/2606.14249) | 查看 PDF (https://arxiv.org/pdf/2606.14249) | 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.14249)

在您的智能体中获取此论文：

hf papers read 2606\.14249

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

引用此论文的模型（0）

没有模型链接到此论文

请在模型 README.md 中引用 arxiv.org/abs/2606.14249 以便从此页面链接。

引用此论文的数据集（0）

没有数据集链接到此论文

请在数据集 README.md 中引用 arxiv.org/abs/2606.14249 以便从此页面链接。

引用此论文的 Space（0）

没有 Space 链接到此论文

请在 Space README.md 中引用 arxiv.org/abs/2606.14249 以便从此页面链接。

包含此论文的收藏集（0）

没有收藏集包含此论文

请将此论文添加到收藏集 (https://huggingface.co/new-collection) 以便从此页面链接。