论文页面 - MILO：通过编排式多智能体演化实现自动化 Harness 发现

来源：https://huggingface.co/papers/2609.38349 作者：

,

,

,

,

,

,

,

,

,

摘要

现代 agent 系统将 AI 模型与一个控制执行和环境交互的 harness 结合在一起。Harness 的设计对长程任务性能影响极大，但其组合式搜索空间需要大量人力投入，且随着模型更新还必须反复进行。现有的自动化方法对此空间的探索十分有限，往往只优化 prompt 或 skill 等组件，或被困于固定的、只做利用（exploitative）的搜索策略中。我们提出 MILO（Meta-evolutionary Island Orchestration，元演化岛屿编排），一个让 agent harness 与其发现策略共同演化的框架。MILO 结合了：(i) 基于岛屿树的层级谱系记忆，并将被拒绝的变异作为负向证据加以利用；(ii) 每个岛屿配备的 mutator agent，借助全局搜索历史和针对特定父代的反馈来重写完整的 harness；(iii) 一个 orchestrator，通过谱系嫁接（lineage grafting）、物种形成（speciation）、mutator 重新分配以及课程修订（curriculum revision）来自适应地调整搜索过程。在 Terminal-Bench 2.1、PaperBench 和 DeepSWE 上，MILO 发现的 harness 使用前沿模型（Opus 4.8）和开放权重模型（gpt-oss-120b）时，均优于八个最先进 harness 和六种搜索方法。在 Opus 4.8 上，MILO 相比其初始 harness 分别将解决率提升了 +12.0%、+28.3% 和 +10.3%，而此前最佳搜索方法的提升仅为 +4.5%、+18.3% 和 0%。在 Terminal-Bench 2.1 上，它达到了 86.1±2.0%，超过了官方排行榜榜首条目（83.8±2.3%），同时使用的 token 比其初始 harness 少 26%。在 EinsteinArena 开放问题上，MILO 改进了已知的最佳上界：Erdős 最小重叠问题（0.3808586 提升至 0.3808568），以及第一和第三自相关不等式（1.50274365 提升至 1.50274360；1.45081 提升至 1.44889）。

查看 arXiv 页面 (https://arxiv.org/abs/2609.38349)　查看 PDF (https://arxiv.org/pdf/2609.38349)　项目页面 (https://jprithwish.github.io/MILO/)　加入收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.38349)

将此论文加载到你的 agent 中：

hf papers read 2609.38349

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

引用此论文的模型 0

暂无模型关联此论文

在模型 README.md 中引用 arxiv.org/abs/2609.38349，即可将模型与本页面关联。

引用此论文的数据集 0

暂无数据集关联此论文

在数据集 README.md 中引用 arxiv.org/abs/2609.38349，即可将数据集与本页面关联。

引用此论文的 Spaces 0

暂无 Space 关联此论文

在 Space README.md 中引用 arxiv.org/abs/2609.38349，即可将 Space 与本页面关联。

收录此论文的合集 0

暂无合集收录此论文

将此论文添加到合集 (https://huggingface.co/new-collection)，即可将其与本页面关联。