PulseAugur
中
实时 20:40:17
English(EN) WHALE: A Simple Recipe for Joint Harness-Weight Optimization

新的 WHALE 方法联合优化 AI 代理权重和 Harness 代码

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种名为 WHALE（Weight-Harness Alternating LEarning）的新方法，通过同时更新模型权重和管理上下文与控制流的 Harness 代码来联合优化 AI 代理性能。该方法在更新模型和搜索改进的 Harness 之间交替进行，解决了单独优化一个组件会限制另一个组件的瓶颈问题。使用 Qwen3.5-2B/4B 代理在 SearchQA、数学推理和国际象棋谜题等任务上的实验表明，WHALE 的性能显著优于现有方法，在更少的 rollout 中实现了更高的准确率。 AI

影响 这项研究通过改进模型权重和 Harness 代码的联合优化方式，有望带来更高效、性能更优的 AI 代理。

排序理由 该集群描述了一篇详细介绍 AI 代理优化新方法的最新研究论文。

在 Hugging Face Daily Papers 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的 WHALE 方法联合优化 AI 代理权重和 Harness 代码

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Research
该集群描述了一篇详细介绍 AI 代理优化新方法的最新研究论文。
Source corroboration
2 independent sources
Multiple independent publishers reporting the same story raises confidence that it's real and newsworthy.
Topics
paper, model release
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
52 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Haechan Kim, Yoonho Lee, Gisang Lee, Chelsea Finn, Kangwook Lee ·

    WHALE：一种简单的联合马具-权重优化方法

    arXiv:2609.00196v1 Announce Type: cross Abstract: Agent performance depends jointly on the model parameters and the executable harness code that manages context and control flow. Optimizing either component in isolation can leave the system bottlenecked by its frozen counterpart:…

  2. Hugging Face Daily Papers TIER_1 English(EN) ·

    WHALE：一种简单的联合马具-权重优化方法

    WHALE alternates model weight updates and harness search to jointly optimize agent performance across reasoning tasks.

相关实体

相关话题