研究人员提出智能体持续学习框架ReHarness

2026年10月12日，研究人员在arXiv公布了面向智能体（Agent）持续学习的循环框架ReHarness。该框架在严格的在线流式协议下，通过反向修正补充前向读写；在每个实例结束后，将执行轨迹作为反馈并反向修正先前检索的反思内容，实现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显示，ReHarness的表现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。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。