مقاله‌ی arXiv:2609.40169 · منتشرشده در کانال
Learning from Research: Toward Lifelong Agent Harness Evolution
یادگیری از پژوهش: به سوی تکامل مادام‌العمر هارنس ایجنت با کمک مقاله‌های جدید
- تاریخ
- (۸ مهر ۱۴۰۵) 2026-09-30 تأییدشده از روی تاریخ ارسال نسخه‌ی اول در آرکایو
- نویسنده‌ها
- Jingbo Yang, Kwei-Herng Lai, Xiaowen Wang, Yaar Harari, Evgeniy Gabrilovich, Shiyu Chang
- نهاد نویسنده‌ها
- University of California, Santa Barbara; Microsoft
- برچسب لابراتوار
- موضوع‌ها
خلاصه‌ی فارسی
مسئله
یک رویکرد امیدوارکننده برای بهبود پیوسته‌ی ایجنت‌ها تکامل هارنس با مدل ثابت است. روش‌های اخیر این کار را با یک ایجنت کدنویسی متا انجام می‌دهند که هارنس را بر اساس بازخورد اجرا تغییر می‌دهد، اما تکیه بر دانش موجود آن ایجنت و شکست‌های مشاهده‌شده کاوش را محدود و تطبیق را واکنشی می‌کند.
روش
چارچوب ScholarEvolve با الهام از این‌که متخصصان انسانی برای راه‌حل جدید ادبیات پژوهشی را می‌خوانند، خودکار از پژوهش‌های پیشرفته برای هدایت تکامل هارنس استفاده می‌کند. جهت‌های تکامل را به ماژول‌های کارکردی تقسیم می‌کند، با مدل‌سازی موضوعی راهبردهای بهبود متمایز برای هر ماژول پیدا می‌کند، آن‌ها را پیاده و ترکیب‌هایشان را ارزیابی می‌کند، و طوری طراحی شده که مقاله‌های جدید را در طول زمان اضافه کند.
یافته‌ها
- روی AppWorld Challenge تکمیل هدف تسک Qwen3.5-27B را از ۴۹٫۶ به ۶۳٫۶ درصد رساند.
- روی حوزه‌ی مخابرات Tau2-Bench معیار pass@۱ مدل GPT-5.4-mini را از ۷۲٫۷ به ۸۱٫۹ درصد رساند.
محدودیت‌ها
مقاله بخش جداگانه‌ای برای محدودیت‌ها ندارد؛ ارزیابی روی دو بنچمارک انجام شده است.
چرا مهم است
پژوهش هر روز ایده‌های جدید برای ایجنت‌ها منتشر می‌کند. این کار نشان می‌دهد می‌شود این ایده‌ها را خودکار خواند و در هارنس به کار برد، به جای این‌که فقط از شکست‌ها یاد گرفت.