2
0Seventy3：借助NotebookLM的能力进行论文解读，专注人工智能、大模型、机器人算法、crypto方向，让大家跟着AI一起进步。
如果你想要解读自己的论文，获得更多曝光度。请联系小助手微信：seventy3_podcast 加群。
合作邮箱：zhiwudazhanjiangshi#gmail.com
今天的主题是：
Adapting the Interface, Not the Model: Runtime Harness Adaptation for Deterministic LLM Agents
Summary
LLM 智能体不仅受到其语言模型本身的影响，还受到运行时装备（runtime harness）的塑造，该装备介导了观察、工具使用、行动执行、反馈解读以及轨迹控制。尽管现有的智能体自适应方法主要更新模型参数，但在确定性、规则约束的领域中，许多失败实际上源于模型与环境接口（model–environment interface）之间的不匹配。
我们提出了 Life-Harness，这是一个具备生命周期感知能力的运行时装备，它可以在不改变模型权重或评估环境的情况下，提升冻结状态下 LLM 智能体的性能。Life-Harness 通过将反复出现的交互失败转化为可复用的干预措施（涵盖环境契约、程序化技能、行动实现和轨迹调节），从而从训练轨迹中演化而来，并在对未知任务进行评估时保持固定。
在来自 τ-bench、τ2-bench 和 AgentBench 的 7 个确定性环境中，Life-Harness 在 18 个模型骨干网络的 126 个“模型-环境”设置中改进了其中的 116 个，平均相对提升达 88.5%。仅从 Qwen3-4B-Instruct 的轨迹中演化出的装备可以迁移到其他 17 个模型上，这表明 Life-Harness 捕捉到的是可复用的环境侧结构，而非特定于模型的行为。这些结果将运行时接口自适应定位为一种与“以模型为中心”的智能体训练互补的替代方案。
原文链接：arxiv.org
