研究者提出ReHarness智能体持续学习框架

Yuxin Xiao等研究者提出ReHarness，一个面向智能体持续学习的循环式框架。据其论文，该框架在严格在线流式协议下，于前向读写之外加入“反向修订”：每条实例处理完后，用其轨迹作为反馈，回改该实例检索到的反思内容，使反馈沿文本harness状态反向传播。 在三个持续学习benchmark和三个语言模型骨架上，ReHarness持续优于原始上下文基线、基于记忆与反思的方法以及提示词优化方法。

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。