Bir dil-model aracısı, modeli ve model çağrılarını, araç kullanımını ve bilgi akışını düzenleyen yürütülebilir program olan koşum takımı tarafından ortaklaşa tanımlanır. Farklı görevler, bu operasyonları organize etmenin farklı yollarını gerektirdiğinden, emniyet kemerinin eldeki görevden alınan geri bildirimler kullanılarak uyarlanması gerekir. Yürütme geri bildirimini kullanarak çözümleyicinin koşum takımını revize etmek için teklif veren modeli eğiten koşum takımı öğrenimini tanıtıyoruz.
- Bir dil-model aracısı, modeli ve model çağrılarını, araç kullanımını ve bilgi akışını düzenleyen yürütülebilir program olan koşum takımı tarafından ortaklaşa tanımlanır.
- Farklı görevler, bu operasyonları organize etmenin farklı yollarını gerektirdiğinden, emniyet kemerinin eldeki görevden alınan geri bildirimler kullanılarak uyarlanması gerekir.
- Yürütme geri bildirimini kullanarak çözümleyicinin koşum takımını revize etmek için teklif veren modeli eğiten koşum takımı öğrenimini tanıtıyoruz.
Bir dil-model aracısı, modeli ve model çağrılarını, araç kullanımını ve bilgi akışını düzenleyen yürütülebilir program olan koşum takımı tarafından ortaklaşa tanımlanır.
02 Özet
Bir dil-model aracısı, modeli ve model çağrılarını, araç kullanımını ve bilgi akışını düzenleyen yürütülebilir program olan koşum takımı tarafından ortaklaşa tanımlanır. Farklı görevler, bu operasyonları organize etmenin farklı yollarını gerektirdiğinden, emniyet kemerinin eldeki görevden alınan geri bildirimler kullanılarak uyarlanması gerekir. Yürütme geri bildirimini kullanarak çözümleyicinin koşum takımını revize etmek için teklif veren modeli eğiten koşum takımı öğrenimini tanıtıyoruz. Bu süreci, gradyan tabanlı adaptasyonda ağırlık güncellemelerinin rolünü oynayan donanım revizyonları ile yürütülebilir programlar üzerinden meta-öğrenme olarak formüle ediyoruz. Teklif vereni, revize edilmiş koşum takımının görev performansını ödül olarak kullanarak takviyeli öğrenmeyle eğitiyoruz. Test zamanında teklif sahibi, herhangi bir parametre alanı güncellemesi yapmadan, donanımı iyileştirmek için yeni bir görevin ardışık yürütmelerinden elde edilen geri bildirimleri kullanır. Akıl yürütme ve çok atlamalı soru yanıtlama üzerine yapılan deneyler, koşum öğreniminin revizyon kalitesini iyileştirdiğini ve test zamanında uyum sağlama yeteneğinin görünmeyen görevlere aktarıldığını göstermektedir. Bireysel revizyonlar üzerine eğitilen politikalar, emniyet kemerlerini birden fazla turda iyileştirmeye devam edebilirken, revizyon sekansları üzerine eğitimin faydaları ortamlara göre değişiklik gösterir. Bu bulgular, birikmiş deneyimi genelleştirilebilir iyileştirmelere dönüştüren sürekli öğrenen etmenlere yönelik bir yol önermektedir.
Bu çeviri otomatik (makine çevirisi) olarak hazırlandı; bilimsel alıntı için özgün özeti esas alın.
A language-model agent is jointly defined by its model and its harness, the executable program that organizes model calls, tool use, and information flow. Because different tasks call for different ways of organizing these operations, the harness needs to be adapted using feedback from the task at hand. We introduce harness learning, which trains a proposer model to revise a solver's harness using execution feedback. We formulate this process as meta-learning over executable programs, with harness revisions playing the role of weight updates in gradient-based adaptation. We train the proposer with reinforcement learning, using the task performance of revised harnesses as the reward. At test time, the proposer uses feedback from successive executions on a new task to refine the harness, without performing any parameter-space update. Experiments on reasoning and multi-hop question answering show that harness learning improves revision quality and that the ability to adapt at test time transfers to unseen tasks. Policies trained on individual revisions can continue improving harnesses over multiple rounds, while the benefits of training on revision sequences vary across settings. These findings suggest a path towards continually learning agents that turn accumulated experience into generalizable improvements.
03 PDF
Bu PDF başka bir sitede (arxiv.org) barındırılıyor ve sayfa içinde gösterilemiyor. Yukarıdaki düğmelerle yeni sekmede açabilir ya da indirebilirsiniz.
04 Kaynak göster
@article{zhang2026harness,
title = {Harness Learning Enables Generalizable Test-Time Adaptation},
author = {Alvin Zhang and Xuecheng Liu and Zixuan Wang and Fahim Tajwar and Daman Arora and Ruslan Salakhutdinov and Daniel Khashabi and Yuda Song and Andrea Zanette},
journal = {arXiv preprint arXiv:2609.35738},
year = {2026},
url = {https://arxiv.org/abs/2609.35738}
}
Zhang, A., Liu, X., Wang, Z., Tajwar, F., Arora, D., Salakhutdinov, R., Khashabi, D., Song, Y., & Zanette, A. (2026). Harness Learning, Genelleştirilebilir Test Süresi Uyarlamasına Olanak Sağlar. arXiv. https://arxiv.org/abs/2609.35738
Yorumlar 0
Henüz yorum yok. İlk yorumu siz yazın.
Yorum yazın