ai.hackcv
论文精选 65arXiv

StarHarness: Evolving Harnesses with Stratified Search for Enterprise Environments· StarHarness: 企业环境下的分层搜索演化代理框架

We present StarHarness, a framework for evolving environment-specific agent harnesses while keeping model weights fixed. The evolved harness can include prompt and task framing, tool interfaces, skills, MCP-backed providers, subagent structure, and agent-loop configuration. StarHarness constructs a compact evolution pool by stratifying tasks according to baseline failure behavior, separates proposer-visible search tasks from proposer-hidden selection tasks, and reserves held-out tasks for evaluating generalization. Across ITBench SRE, EnterpriseOps-Gym ITSM, and AutomationBench Finance, harness evolution improves full-benchmark performance by 20-35 percentage points over the default harness after 4-12 accepted changes per environment. These gains persist on tasks excluded from evolution an

AI 解读论文

StarHarness 通过分层搜索演化企业环境下的代理框架,显著提升性能。

核心方法
分层搜索演化代理框架,包括任务框架、工具接口、技能、MCP 支持的提供者、子代理结构和代理循环配置,同时固定模型权重
适合谁读
研究者、工程师
要解决的问题
企业环境下默认代理框架在复杂任务中性能不佳的问题
关键实验
在 ITBench SRE、EnterpriseOps-Gym ITSM 和 AutomationBench Finance 三个基准上进行实验,性能提升 20-35 个百分点
主要贡献
提出了 StarHarness 框架,通过演化代理框架显著提升企业环境下的任务性能
意义与局限
对企业级 AI 系统的性能优化有重要影响,但可能需要针对不同企业环境进一步验证
领域:cs.AI作者:Esakkivel Esakkiraja、Denis Akhiyarov、Vikas Yadav
相关推荐

本站内容由 LLM 精选聚合,原文版权归 arXiv 所有 · 摘录仅供参考