Stanford 论文：按失败类型选择改 harness 还是微调权重

斯坦福大学的新论文发现，对于陷入循环或停滞的智能体，修改其运行框架即可修复；而对于给出糟糕计划的智能体，则需要进行权重训练。

改进智能体有两种途径：一是编辑其运行框架，即模型周围的提示词、工具和检查机制；二是微调其权重。

他们将失败的运行分为两类：过程性失败，如陷入循环、步骤预算耗尽；以及内容性失败，即给出了糟糕的计划。在一个旅行规划基准测试中，一个由大语言模型驱动的循环重写了运行框架，其最佳运行结果随后对模型进行了微调。

运行框架的进化将 Qwen3.5-4B 在留出任务上的得分从 0.16 提升至 0.30，同时计划交付率从 55% 提高到 90%。修改运行框架从未降低糟糕计划的占比，但一个 LoRA 适配器将其在 Qwen3.5-9B 留出运行中的比例从 28% 降至 5%。

在改进智能体之前，先标注其运行失败的原因，然后针对过程性失败修改运行框架，针对内容性失败修改权重。