arXiv AI· Zelin He, Siyu Zhu, Jacob Helwig, Yujian Liu, Li An, Rohit Jain, Shiyu Chang, Alborz Geramifard·· 3 天前评分46
ModHarness-RL: Recasting Harnesses as Learnable and Evolving Programs for Agentic RL
摘要
我们引入ModHarness-RL,将调制器重构为从数据中学习并随模型训练而演化的程序。ModHarness-RL以结构化状态记录交互,由类型化的块组成,Harness的两个核心组件为基于这些块的程序:压缩程序将累积历史组装入模型上下文,引导程序在行为偏离时提供指导。在RL训练过程中,从近期轨迹提出候选程序,通过执行验证,并在过往轨迹上回放,从而跟踪模型行为如何演变。
推荐理由
请对照arXiv AI原文,核对完整说明及适用条件。
本站只提供摘要与原文入口。完整内容请阅读原文。
来源:arXiv AI · arxiv.org