PesquisaBaixa importância

Harness-S: agentes aprendem com “harnesses irmãos” quando o harness principal falha

O paper propõe treinar agentes com um conjunto fixo de variantes do harness (o ambiente de execução do agente), cada uma especializada em consertar um tipo de falha. Só quando todas as tentativas no harness base falham, o sistema tenta nas variantes escolhidas por um roteador e usa essas trajetórias no aprendizado por reforço. Em AppWorld, SWE-Gym e DBBench, a política treinada supera bastante o treino comum quando volta ao harness original.