مقاله‌ی arXiv:2610.05300 · منتشرشده در کانال
MESH-Harness: Self-Improving Agent Harnesses via Bandit-Guided Compositional Evolution
مش‌هارنس: هارنس‌های خودبهبود با تکامل ترکیبی ماژول‌ها به هدایت الگوریتم راهزن
- تاریخ
- (۱۲ مهر ۱۴۰۵) 2026-10-04 تأییدشده از روی تاریخ ارسال نسخه‌ی اول در آرکایو
- نویسنده‌ها
- Zhiwei Shang, Yu Huo, Mingrong Gong, An Yan, Zikun Qu, Junhao Dong, Bryan Kian Hsiang Low, Chenglin Wu, Zhongxiang Dai
- نهاد نویسنده‌ها
- The Chinese University of Hong Kong, Shenzhen; The Chinese University of Hong Kong; Nanyang Technological University
- برچسب لابراتوار
- موضوع‌ها
خلاصه‌ی فارسی
مسئله
هارنس ایجنت کدی است که کانتکست را سازمان می‌دهد، وضعیت را نگه می‌دارد و فراخوانی ابزارها را هماهنگ می‌کند. سؤال این است که چطور می‌شود هارنس را با بودجه‌ی ارزیابی محدود و وزن‌های ثابت مدل بهتر کرد، وقتی فضای ترکیب‌های ممکن بسیار بزرگ است.
روش
روش MESH-Harness هر هارنس را به ماژول‌های کارکردی با رابط‌های صریح ویژه‌ی نقش تقسیم می‌کند تا پیاده‌سازی‌های جایگزین هر ماژول جابه‌جا و ترکیب شوند. با بازنمایی مشترک ماژول‌ها و الگوریتم LinUCB با کوواریانس کامل، ترکیب‌های نامزد بر اساس کارایی پیش‌بینی‌شده و ارزش کاوش امتیاز می‌گیرند. صعود مختصاتی با شروع‌های ترکیبی پیکربندی‌های کامل را بدون شمارش کل فضا انتخاب می‌کند، و ردپاهای اعتبارسنجی ویرایش‌های محلی کد را هدایت می‌کنند که نتیجه‌شان به مخزن‌های ظرفیت‌دار هر نقش افزوده می‌شود.
یافته‌ها
- با بودجه‌ی برابر ارزیابی نامزد، روی تسک‌های متنی، استدلال ریاضی با بازیابی، تولید کد و تسک‌های علمی تعاملی به ترتیب ۵٫۷۰، ۷٫۰۱، ۲٫۰۰ و ۵٫۰۰ امتیاز از روش متاهارنس بهتر بود.
- بهینه‌سازی تکراری هارنس آن را ۵٫۶۳ تا ۷٫۷۹ امتیاز نسبت به پیکربندی دور اول بهتر کرد.
- هزینه‌ی کل زمان آزمون ۴۴٫۲ درصد و هزینه‌ی کل همراه با جست‌وجو ۱۴٫۶ درصد کمتر از متاهارنس بود.
محدودیت‌ها
مقاله بخش جداگانه‌ای برای محدودیت‌ها ندارد؛ مقایسه‌ها با بودجه‌ی برابر ارزیابی و عمدتاً در برابر متاهارنس گزارش شده‌اند.
چرا مهم است
بهینه‌سازی هارنس معمولاً کل کد را یکجا بازنویسی می‌کند و تجربه‌ی قبلی را هدر می‌دهد. این کار نشان می‌دهد ترکیب و استفاده‌ی مجدد از ماژول‌های خوب، هم نتیجه را بهتر و هم هزینه را کمتر می‌کند.