arXiv · cs.AI· Haiwen Yi, Xinyuan Song·· 5 小时前
HarnessMDP：利用离线强化学习控制 LLM Agent Harness
HarnessMDP: Learning to Control LLM Agent Harnesses with Offline Reinforcement Learning
arXiv:2607.05458v3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
Haiwen Yi 与 Xinyuan Song 提出 HarnessMDP，将 LLM agent 的 harness 控制建模为有限时域马尔可夫决策过程，通过离线轨迹学习结构化执行动作，并在新执行中在线自适应控制。
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