Skip to content
Hot storiesContinuously updated

研究者提出大模型智能体Harness优化框架HarnessFlow

1 reports1 reporting sourcesUpdated 11 hours ago

Start here

AI overview

2026年11月5日，相关研究者在arXiv发布论文，提出面向大语言模型智能体的harness自动化优化框架HarnessFlow。该框架利用蒙特卡洛树搜索（MCTS）策略，能够在有限预算下搜索并迭代出完整的可执行方案。评测结果显示，在涵盖智能体任务、代码以及Web交互的6个benchmark上，HarnessFlow在15次尝试下取得了69.48%的平均分，相较初始方案和Meta-Harness分别提升了10.89和3.95个百分点，且单任务执行成本低于人工设计的基线方案。

AI-generated from reports · Updated 11 hours ago

Latest developmentsNov 5 13:00
研究者发布HarnessFlow框架，利用MCTS优化智能体harness，性能提升显著且成本低于人工基线。

Report timeline

Follow the reports to see different sides of the story.

Nov 5
  1. arXiv 人工智能
    HarnessFlow：面向大语言模型智能体的 MCTS 引导 Harness 优化

    HarnessFlow 是面向大语言模型智能体的 harness 自动化优化框架，利用 MCTS 策略在有限预算下搜索并迭代完整可执行方案。在涵盖智能体任务、代码与 Web 交互的 6 个 benchmark 上，该框架以 15 次尝试取得 69.48% 的平均分，较初始方案和 Meta-Harness 分别提升 10.89 与 3.95 个百分点，且单任务执行成本低于人工设计基线。

Story heat trend

Current heat 8·Comparable peak 10（Nov 5 14:00）·Comparable change, last 24 hours–

02.557.510Nov5Nov5Nov5Nov5

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.