Johns Hopkins 与 CMU 论文：4B 小模型可学会改进 Agent harness 代码并迁移到新任务

约翰霍普金斯大学和卡内基梅隆大学的新论文表明，一个小模型可以学会根据运行结果改进智能体的 harness 代码，而且这项技能可以迁移到新任务上。

一个经过训练、能根据失败报告重写智能体 harness 代码的小模型，可以让智能体适应新任务，所以不妨让它来调优你的 harness，而不是手动修改。

harness 是决定模型能看到什么、调用哪些工具的代码。编辑器会阅读 harness 和失败信息，然后写出代码改动，其奖励取决于新 harness 的得分表现。

在 21 类未见过的推理任务上，一个 4B 编辑器的平均编辑得分从 0.32 提升到 0.62，超过了它的 35B 教师模型。另一个在 HotpotQA 上训练的编辑器，在另外 2 个 QA 基准上持续改进 harness。

每个任务多跑几轮，因为反复编辑比单次修复效果更好。