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

French

Pendant la formation, les trajectoires révèlent des stratégies de réparation défectueuses et des problèmes d'interaction qui varient entre les tâches et changent au fur et à mesure que les politiques apprennent. Nous introduisons HarnessAdapt-RL, qui forme la politique et adapte son harnais pendant l'apprentissage du renforcement. Pour les stratégies de réparation défectueuses, un enseignant gelé génère des compétences spécifiques au niveau des mécanismes. Pour les problèmes d'interaction récurrents entre les tâches, un enseignant modèle séparé évolue des outils et des haches, en gardant chaque changement uniquement s'il améliore le taux de passage observé ou le niveau

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