arXiv cs.CL· Yuxin Xiao, Zhiyun Lu, Jianyu Wang, Yangtian Zhang, Yang Song, Qifan Wang, Bailin Wang·· 6 天前AI 评分29
ReHarness：面向智能体持续学习的循环式 harness 框架
Recurrent Harness for Agentic Continual Learning
AI 导读
研究者提出 ReHarness，一种用于智能体持续学习的循环式 harness 框架，在严格在线流式协议下，用前向读写之外的“反向修订”机制，将每个实例产生的轨迹作为反馈，反向修正该实例检索到的反思内容。
正文 · AI 翻译
摘要：语言模型智能体越来越多地在长交互流上运行，需要通过持续学习在线适应分布变化。然而，现有的智能体框架通常要么仅通过前向信息流演化其状态，要么依赖额外的回放或验证数据来进行框架优化。为解决这一问题，我们提出了 ReHarness，一种用于智能体持续学习的循环式框架，在严格的在线流式协议下，以前向读取和写入辅以后向修订。我们探究框架状态中哪些信息本可以以不同方式被捕获，从而更好地为流中的当前实例提供信息。具体而言，在每个实例之后，我们利用生成的轨迹作为反馈，修订为该实例检索到的反思，从而通过文本框架状态将反馈向后传播。在三个持续学习基准和三个语言模型主干上，ReHarness 始终优于强大的原始上下文基线、基于记忆和反思的方法以及提示优化方法。进一步分析表明，ReHarness 能产生有来源依据且有意义的修订，在分布变化下纠正过度泛化或过时的经验，并在持续学习过程中同时提升稳定性和可塑性。
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.12668 [cs.LG] |
| （或 arXiv:2610.12668v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.12668 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Yuxin Xiao [查看邮箱]
[v1]
2026年10月8日星期四 19:44:43 UTC（422 KB）
来源：arXiv cs.CL · arxiv.org