Lingxiao Tang, Wei Tao, Yiwen Guo, Lingfeng Bao · 2026 · arXiv
DOI: 10.48550/arXiv.2610.28069 · open-access PDF
Các đại lý mã hóa đào tạo thường cập nhật chính sách trong khi giữ dây đai cố định. Trong quá trình đào tạo, quỹ đạo tiết lộ các chiến lược sửa chữa bị lỗi và các vấn đề tương tác khác nhau trên các nhiệm vụ và thay đổi khi chính sách học. Chúng tôi giới thiệu HarnessAdapt-RL, đào tạo chính sách và điều chỉnh dây đai của nó trong quá trình học tăng cường. Đối với các chiến lược sửa chữa bị lỗi, một giáo viên đóng băng tạo ra các kỹ năng cơ chế cấp độ cụ thể cho nhiệm vụ. Đối với các vấn đề tương tác tái phát trên các nhiệm vụ, một giáo viên mô hình riêng biệt phát triển các công cụ và móc, duy trì mỗi thay đổi chỉ nếu nó cải thiện tỷ lệ vượt qua được quan sát hoặc tỷ lệ
Machine translation (Meta M2M100); the English original follows.
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
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.28069, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange