Evo-Harness: Un Nuovo Metodo per Agenti LLM Auto-Miglioranti
Un nuovo articolo di ricerca su arXiv (2608.15071) introduce Evo-Harness, un framework per l'apprendimento online dell'harness in agenti basati su grandi modelli linguistici (LLM). L'approccio consente a un agente congelato di migliorare aggiornando continuamente un'harness strutturata attraverso compiti sequenziali. Il meccanismo centrale, la compilazione di competenze da contesto a harness, distilla contesti rumorosi da opportunità di apprendimento one-shot in competenze riutilizzabili. L'articolo affronta le lacune dei lavori precedenti studiando sistematicamente i fattori di auto-miglioramento e validando su compiti complessi del mondo reale.
Fatti principali
- L'articolo arXiv:2608.15071 introduce Evo-Harness.
- Evo-Harness formula l'apprendimento online dell'harness.
- Un agente congelato migliora aggiornando un'harness strutturata.
- La compilazione di competenze da contesto a harness distilla contesti rumorosi.
- Il metodo si rivolge a opportunità di apprendimento one-shot.
- Affronta le lacune nella ricerca precedente sull'auto-miglioramento.
- L'articolo valida su compiti complessi del mondo reale.
- Studia sistematicamente i fattori chiave dell'auto-miglioramento.
Entità
Istituzioni
- arXiv