arXiv · cs.AI· Lingzhi Yuan·· 2 天前AI 评分49
Meta$^2$：为长程 Agent 的在线 Harness 演化预计算可复用知识
Meta$^2$: Precomputing Reusable Knowledge for Online Harness Evolution in Long-Horizon Agents
来源与原文
arXiv · cs.AI
作者：Lingzhi Yuan
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.05139v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
arXiv 论文提出 Meta$^2$ 方法，离线学习可复用的 Meta-Skill 文本知识，指导长程 Agent 在单次任务内在线决定保持 harness 不变或做任务局部编辑，无需测试时的 verifier 反馈。在 Terminal-Bench 2.1 和 DeepSWE 1.1 两个基准上，Meta$^2$ 配合 GPT-5.6-Terra 分别达到 81.00% 和 44.44%，为受评方法中的最高成绩。消融实验验证了对比式演化指导和任务局部编辑的价值。
来源：arXiv · cs.AI · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。