ReHarness：面向智能体持续学习的循环框架

研究人员提出面向智能体持续学习的循环框架 ReHarness，在严格的在线流式协议下通过反向修正补充前向读写。该框架在每个实例结束后将执行轨迹作为反馈，反向修正先前检索的反思内容，从而在文本状态中反向传播反馈。在 3 个持续学习基准与 3 种大语言模型骨干上的实验表明，ReHarness 持续优于原始上下文、记忆反思基线及提示词优化方法，有效纠正了分布偏移下的过泛化与过时经验。