★ 3
自动构建 Harness：代码自博弈蒸馏文本搜索策略
论文研究智能体能否通过可执行练习学习数值搜索策略，并将其以文本形式迁移。开发阶段智能体反复编写和评估优化器程序，随后蒸馏为 197 词的 Harness A。在独立 N=30 研究中，Harness A 将 Gemini Flash 遗憾降低 48%，并迁移至 Claude Sonnet 降低 4…
arXiv cs.LG53 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文研究智能体能否通过可执行练习学习数值搜索策略，并将其以文本形式迁移。开发阶段智能体反复编写和评估优化器程序，随后蒸馏为 197 词的 Harness A。在独立 N=30 研究中，Harness A 将 Gemini Flash 遗憾降低 48%，并迁移至 Claude Sonnet 降低 4…