arXiv · cs.AI· Haiwen Yi, Xinyuan Song·· 2 天前
HarnessMDP：用离线强化学习控制LLM智能体执行框架
HarnessMDP: Learning to Control LLM Agent Harnesses with Offline Reinforcement Learning
arXiv:2607.05458v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Haiwen Yi, Xinyuan Song
研究任务与主要进展
HarnessMDP提出一种学习式框架，将LLM智能体的执行过程建模为有限时域马尔可夫决策过程，并从离线收集的任务轨迹中学习结构化执行动作。该策略部署后可自适应控制新的执行任务；基于论文摘要，作者在编码任务、tau-bench、AgentBench及其他智能体评测设置中报告了相较基线的执行行为和最终任务性能提升。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org