微软等团队提出ActiveSaddler优化智能体harness

2026年10月4日，DAIR.AI发布消息称，微软等团队提出ActiveSaddler方法，用于动态调整智能体harness的训练场景。该方法将反复出现的失败归类为失败模式，并将其作为非平稳bandit的arm，追踪各失败模式的学习收益，在复访已知弱点与发现新问题之间分配预算。在相同优化器下，该方法使GAIA2 Pass@1提升4.4点，Terminal-Bench 2.0提升7.5点。10月5日，Rohan Paul进一步报道微软该论文，指出ActiveSaddler通过追踪失败模式、优先处理最值得修复的失败或尝试未见过的任务来选择训练任务，而非使用固定任务列表，与前述描述一致。

AI 根据报道生成 · 2 天前更新

还没有足够的连续观测数据，暂不绘制趋势。