论文页面 - HarnessBridge：用于LLM Agent的可学习双向控制器

来源: https://huggingface.co/papers/2606.12882

摘要

本文提出了一种名为 HarnessBridge 的可学习控制器（harness controller），通过双向投影对智能体-环境接口进行参数化，在降低计算开销的同时，实现了与专用控制器（specialized harnesses）相当的性能。

大型语言模型（https://huggingface.co/papers?q=Large%20language%20models）正越来越多地被部署为面向长时程任务的智能体。然而，其性能不仅受模型能力与环境设计的影响，还取决于协调智能体与环境交互的控制器（harness）。现有的控制器大多为人工设计，随着轨迹变长、交互变复杂，其扩展性变得困难。在这项工作中，我们探究能否通过一个可学习的即插即用模块来生成控制器，并以端到端方式进行训练。我们引入了 HarnessBridge，一个轻量级可学习控制器（https://huggingface.co/papers?q=learnable%20harness%20controller），它将智能体-环境接口参数化为双向投影（https://huggingface.co/papers?q=bidirectional%20projection）。HarnessBridge 学习两个双向投影（https://huggingface.co/papers?q=bidirectional%20projection）：观测投影（https://huggingface.co/papers?q=observation%20projection），将原始轨迹压缩为紧凑、与决策相关的状态；以及动作投影（https://huggingface.co/papers?q=action%20projection），将提议的动作转换为可执行的转移或基于轨迹的拒绝。我们在一个控制器监督数据集上通过统一指令微调（https://huggingface.co/papers?q=instruction%20tuning）对 HarnessBridge 进行训练。在 Terminal-Bench（https://huggingface.co/papers?q=Terminal-Bench）2.0 和 SWE-bench（https://huggingface.co/papers?q=SWE-bench）Verified 上，HarnessBridge 匹配甚至超越了强专用控制器，同时显著减少了 token 使用量和轨迹长度，并且能够从较小生成器泛化到更大的商业模型。

查看 arXiv 页面（https://arxiv.org/abs/2606.12882）查看 PDF（https://arxiv.org/pdf/2606.12882）GitHub1（https://github.com/mandyyyyii/HarnessBridge）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2606.12882）

引用该论文的模型0

没有模型链接此论文

请在模型 README.md 中引用 arxiv.org/abs/2606.12882，以便在此页面建立链接。

引用该论文的数据集0

没有数据集链接此论文

请在数据集 README.md 中引用 arxiv.org/abs/2606.12882，以便在此页面建立链接。

引用该论文的 Spaces0

没有 Space 链接此论文

请在 Space README.md 中引用 arxiv.org/abs/2606.12882，以便在此页面建立链接。

包含该论文的收藏集0

没有收藏集包含此论文

将此论文添加到收藏夹（https://huggingface.co/new-collection）以在此页面建立链接。