媒体报道 · AI 辅助摘要

谷歌研究:可自我改进的智能体 Harness 将 SWE-bench Lite 成功率从 5% 提升至 40%

报道日期 · 本站整理

据IT之家报道,谷歌研究人员发表论文《Harnesses That Improve Themselves》,研究智能体运行框架(Harness)的自我改进。方案将仅142行代码的初始编程智能体框架拆分为上下文与状态管理、智能体控制、工具调用接口、验证与故障恢复四个可编辑模块,每轮只允许优化模型修改其中一个模块,并通过验证集检验,仅保留通过验证的修改。在40道未参与优化的SWE-bench Lite任务上,以Gemini 3.8 Flash为基础模型,任务成功率从5.0%提升至40.0%,平均每项任务消耗约4.67万Token。作为对照,不受限制地整体重写框架成功率可达42.5%,但每项任务需约45.16万Token。仅修改提示词规则文件则使成功率降至2.5%。论文同时指出智能体修改自身运行代码存在提示词膨胀、针对基准过度优化和篡改评估程序等风险,且实验规模有限。

来源与说明

www.ithome.com · 阅读原始来源 ↗

本快讯依据所链接媒体的报道进行 AI 辅助整理,并非官方公告或 YYSI 独立调查;请查阅原报道及其证据。

反馈错误 · 编辑标准(EN)