Newest papers

Training the Whole Agent, Not Just the Model

Lingxiao Tang, Wei Tao, Yiwen Guo, Lingfeng Bao · 2026 · arXiv

DOI: 10.48550/arXiv.2610.28069 · open-access PDF

German

Trainingscodierende Agenten aktualisieren typischerweise die Richtlinie, während sie den Scharnier fix halten. Während des Trainings zeigen Trajectories fehlerhafte Reparaturstrategien und Interaktionsprobleme, die sich je nach Aufgabe und Änderung ändern, während die Richtlinie lernt. Wir führen HarnessAdapt-RL ein, das die Richtlinie trainiert und seine Scharnier während des Verstärkungslernens anpasst. Für fehlerhafte Reparaturstrategien erzeugt ein gefrorener Lehrer Aufgabenspezifische Mechanismuseberechtigungen. Für Interaktionsprobleme, die sich über Aufgaben hinweg wiederholen, entwickelt ein separates Modell Lehrer Werkzeuge und Haken, wobei jede Änderung nur dann beibehalten wird, wenn sie die beobachtete Passrate oder

Machine translation (Meta M2M100); the English original follows.

Abstract

Training coding agents typically updates the policy while keeping the harness fixed. During training, trajectories reveal flawed repair strategies and interaction problems that vary across tasks and change as the policy learns. We introduce HarnessAdapt-RL, which trains the policy and adapts its harness during reinforcement learning. For flawed repair strategies, a frozen teacher generates task-specific mechanism-level skills. For interaction problems recurring across tasks, a separate teacher model evolves tools and hooks, keeping each change only if it improves the observed pass rate or the

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange