一种名为 HarnessPro 的新方法已被开发出来,用于递归地改进 AI 代理 Harness,旨在提高任务性能同时降低执行成本。这种无需标签的方法利用 LLM 生成的测试和轨迹诊断来规划和实施更新,根据部署预算提供针对成本、平衡或性能进行优化的专用 Harness。在 Terminal-Bench 2 和 SWE-Bench Pro 等基准测试上的实验表明,使用 GPT-5.5 和 Codex 等模型时,通过率显著提高且成本有所降低。 AI
影响 该方法可能为各种任务带来更高效、更具成本效益的 AI 代理。
排序理由 该条目描述了一篇介绍一种新颖的 AI 代理 Harness 改进方法的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →