InvestigaciónImportancia baja
Harness-S: los agentes aprenden de “harnesses hermanos” cuando falla el harness principal
El paper propone entrenar agentes con un conjunto fijo de variantes del harness (el entorno de ejecución del agente), cada una especializada en corregir un tipo de falla. Solo cuando todos los intentos en el harness base fallan, el sistema prueba con las variantes elegidas por un enrutador y usa esas trayectorias en el aprendizaje por refuerzo. En AppWorld, SWE-Gym y DBBench, la política entrenada supera con amplitud al entrenamiento común cuando vuelve al harness original.
Publicado en la edición n.º 17 de Noticiário do Joãozinho ·
Traducido por Joãozinho AI de la edición original en portugués de Brasil. Los hechos, cifras y fuentes son los mismos del original; las citas, los títulos de los videos y los nombres de las fuentes se mantienen en su idioma original. Leer el original en portugués
Fuente original
https://arxiv.org/abs/2611.04277