标签
本文介绍HarnessEvo，将LLM代理框架分解为可独立演化的槽位，揭示优化价值局部存在于反思/控制等特定组件中，均匀预算分配次优，并主张针对性的预算集中。
提出了在可验证奖励的强化学习（RLVR）中为信用分配标准引入时间调度，表明调度学习信号的施加时机可改善策略演化与稳定性。