arXiv cs.AI· Zhaoyuan Qiu, Sachith Seneviratne, Yu Xia, Saman Halgamuge·· 3 天前AI 评分32
HarnessNet：面向多智能体系统的反馈驱动分层联合 Harness 演化框架
HarnessNet: Feedback-driven Hierarchical Joint Harness Evolution for Multi-agent Systems
AI 导读
HarnessNet 提出面向多智能体系统的分层 Harness 演化框架，其基本单元 Agentron 由可演化的 forward harness、基础模型和仅能观测并修改该 harness 的本地优化器组成，Agentron 通过分层图反向传播环境反馈。
正文 · AI 翻译
摘要：AI 智能体可以通过利用环境反馈来修改其 harness（管理模型输入、工具使用、记忆和执行的软件）而实现进化，同时保持基础模型冻结。现有研究聚焦于单智能体，多智能体系统（MAS）中的联合 harness 进化仍未得到充分探索。随着系统规模扩大，单一的全局优化器面临不断增长的上下文和工作负载，而访问限制可能阻止共享智能体内部信息或系统级反馈。我们提出 HarnessNet，一个用于 MAS 中分层 harness 进化的框架。其基本单元 Agentron 包含一个可进化的前向 harness、一个基础模型和一个本地优化器，后者只能观察和修改该 harness。Agentron 通过分层图连接，环境反馈沿图向后传播，上游优化器接收来自下游层的节点特定反馈。这将联合 harness 进化分解为更小、协调的任务，各自拥有独立上下文，从而减少单个优化器的上下文和工作负载，同时保持访问本地化。优化器无需访问所有智能体轨迹或原始环境反馈。在 AgentBench 上使用多个基础模型进行的实验证明了训练 HarnessNet 的可行性。与单一全局优化器相比，HarnessNet 在尊重本地隐私的同时实现了相当的性能提升，且每次优化器调用所需的 token 和时间更少。一项迁移研究表明，在替换基础模型后，进化出的 harness 仍保持联合有效性，表明其具有跨模型的可迁移性。
| 评论： | 一种用于多智能体系统 harness 联合进化的新方法 |
| 主题： | 人工智能（cs.AI） |
| MSC 分类： | 68T42 |
| 引用为： | arXiv:2610.15221 [cs.AI] |
| （或 arXiv:2610.15221v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.15221 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Zhaoyuan Qiu [查看电子邮件]
[v1]
2026年10月10日星期六 23:28:24 UTC（1,985 KB）
来源：arXiv cs.AI · arxiv.org