Meta、Duke 等机构论文提出分支化自改进 Agent harness 优化方法

Meta、杜克大学和加州大学发布了一篇关于自我改进型智能体框架优化的新论文。

当 AI 调优你的智能体框架时，将搜索拆分为专门的分支，并将每个任务路由到最合适的分支，这在全部 4 种测试设置中都击败了 Meta-Harness。

让每个调优分支拥有自己的问题集和关于哪些方法有效的笔记，产生了具有不同优势的框架，而路由器将这些优势转化为更高的分数。

框架是围绕大语言模型的代码，用于控制其工具、检索和自我检查。Meta-Harness 让 AI 循环重写它，但每个版本都在相同的问题集上评分，因此搜索会停留在 1 条路径上。

2 个分支中的每一个都保留自己比另一个分支解决得更好的练习问题，并写下关于哪些方法有效的笔记。在数学中，1 个分支学会了验证答案，而另一个分支学会了构建完整的推导过程。

在使用 Gemini 3 Flash 进行奥林匹克数学测试时，准确率从 Meta-Harness 的 46.0% 提升到了 62.0%。

如果你要自动调优智能体，请保留多个专门的框架并在它们之间进行路由，而不是押注于 1 个赢家。