مقاله‌ی arXiv:2609.26760 · منتشرشده در کانال
Grow the Harness, Not the Context: From Strategy-Free Scaffolds to Reusable Specialist Agents
هارنس را رشد بده نه کانتکست را: از داربست بدون راهبرد تا ایجنت‌های متخصص قابل استفاده‌ی مجدد
- تاریخ
- (۳۱ شهریور ۱۴۰۵) 2026-09-22 تأییدشده از روی تاریخ ارسال نسخه‌ی اول در آرکایو
- نویسنده‌ها
- Laizhen Li, Jiarui Li, Juanjuan Zhao, Kejiang Ye, Ye Li, Cheng-zhong Xu, Xitong Gao
- نهاد نویسنده‌ها
- Shenzhen Institutes of Advanced Technology, CAS; University of Chinese Academy of Sciences; Shenzhen University of Advanced Technology; University of Macau
خلاصه‌ی فارسی
مسئله
ایجنت‌ها اغلب جریانی از تسک‌های مرتبط را انجام می‌دهند، اما هارنس‌های استاندارد بارها از مدل می‌خواهند همان تصمیم‌های کنترلی را درون کانتکست هر تسک بازسازی کند؛ مثلاً برای هر جست‌وجوی وب دوباره تصمیم بگیرد کِی صفحه را باز کند و کِی برگردد.
روش
روش Growing Harness یک الگوی آموزش هدایت‌شده با شکست است که خود هارنس را از یک داربست بدون راهبرد یاد می‌گیرد؛ داربستی که رابط ثابت مدل و ابزار دارد اما هیچ کنترل‌کننده‌ی حل تسک ندارد. ردپاهای اجرای سطح تابع هر شکست را به یک سطح کد محدود نسبت می‌دهند، یک بهینه‌ساز پنجره‌ای از شکست‌ها را با هم تعمیر می‌کند، و یک دروازه‌ی کنارگذاشته با اولویت موفقیت، توالی تعمیرهایی را که توانایی قبلی را خراب می‌کنند برمی‌گرداند. ویرایش‌های پذیرفته در یک هارنس مشترک انباشته می‌شوند.
یافته‌ها
- روی BrowseComp-Plus و WebArena-Verified با سه مدل از ۴ تا ۱۲۰ میلیارد پارامتر، در پنج از شش تنظیم بالاترین میانگین موفقیت را داشت و در ششمی ۰٫۷ واحد درصد عقب بود.
- نسبت به ایجنت فراخوانی ابزار، فراخوانی مدل را ۷۶٫۰ تا ۹۱٫۸ درصد و هزینه‌ی استنتاج ایجنت مستقر را ۷۴٫۴ تا ۹۸٫۶ درصد کم کرد.
- روی WebArena-Verified موفقیتش در همه‌ی مقیاس‌ها بین ۴۴٫۷ و ۴۵٫۳ درصد ماند، در حالی که ایجنت فراخوانی ابزار با مدل ۴ میلیاردی به ۶٫۷ درصد افتاد.
محدودیت‌ها
مقاله بخش جداگانه‌ای برای محدودیت‌ها ندارد؛ روش برای خانواده‌ی تسک‌های تکراری طراحی شده و روی دو بنچمارک ارزیابی شده است.
چرا مهم است
تصمیم‌های کنترلی تکراری را نباید هر بار با مدل گران گرفت. این کار نشان می‌دهد می‌شود آن‌ها را به کد ارزان و پایدار تبدیل کرد تا حتی مدل‌های کوچک هم ایجنت‌های متخصص مؤثری باشند.