按年被提到
20262026 · 3 次2026
强化学习与智能体›博弈与游戏 AI·arXiv:2605.09998 · cs.LG

Continual Harness: Online Adaptation for Self-Improving Foundation Agents

Continual Harness:面向自我改进基础智能体的在线适应
Seth Karten, Joel Zhang, Tersoo Upaa, Ruirong Feng, Wenzhe Li, Chengshuai Shi, Chi Jin, Kiran Vodrahalli · 2026

让具身智能体在单次运行中自行改写提示、技能与记忆

开始阅读 ↗PDFalphaXiv 讨论
被提及 · 3 人首次 2026-05-13 · 最近 2026-09-09
3不同的人
3活跃月份
3讨论串
2被引(OpenAlex)

论文先报告 Gemini Plays Pokemon(GPP)实验:在人工迭代改进 harness 下,GPP 成为首个通关 Pokemon Blue、Yellow Legacy 困难模式和 Crystal 且无败绩的 AI 系统。在此基础上提出 Continual Harness,完全去掉人工环节:从最小环境接口出发,智能体交替行动,并改进自己的提示、子智能体、技能和记忆,可在单次运行内在线适应而无需重置。在 Pokemon Red 与 Emerald 上,它相对极简基线明显降低了按键成本,并追回了与手工专家 harness 之间的大部分差距;作者还加入在线过程奖励协同学习,更新开源模型。

HN 为什么提它

评论者把它描述为 DeepMind 前几周发布的、关于在线改写智能体提示材料的工作。

方法难度 3 / 5约 45 分钟经得起时间
读之前最好知道
1LLM 智能体与 harness(工具、记忆、规划)
2部分可观测环境下的长程决策
3提示优化(prompt optimization)
4过程奖励与强化学习(RL)

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
引用westurner · 2026-08

“There was this from DeepMind a few weeks ago about online rewriting of agent prompt materials:”

补充 DeepMind 前几周关于在线改写智能体提示材料的工作
AI Loop Engineering in 2026: How to Build a Gauntlet Loop原评论 ↗
被提交为 story · 2 次