跳到正文
Hugging Face Daily Papers·· 23 天前AI 评分8

Your Policy Is Secretly a Harness:智能体接口的决策几何研究

Your Policy Is Secretly a Harness: The Decision Geometry of Agent Interfaces

AI 导读

研究发现语言模型智能体的策略隐含了训练 harness(提示词、工具与控制逻辑)的偏好,更换 harness 会同时改变最优回报上限与策略失配项。在 MiniWoB++ 实验中,仅调整观察字段顺序使成功率为 85.0% 的策略骤降至 19.2%,而新 harness 的上限提升能显著改善后续训练效果。代码已开源,相关预印本论文发布于 arXiv。

来源:Hugging Face Daily Papers · arxiv.org