İçeriğe geç
CANLI Dün ChatGPT Space, Plus kullanıcılarına açıldı Dün Tencent Hy4 açık ağırlıkları yayımlandı Dün browser-use 1.0: 24 araç yerine tek Python aracı Dün METR zaman ufku raporu: Yetenek 3,6 ayda ikiye katlanıyor Dün MiniMax kriptanaliz iddiası: Şifre adaylarında açık Zekâ endeksi lideri Claude Fable 5.2 (Max, Default Fallback) · 64,6 22.11.2026
Bülten

arXiv 2609.35738 cs.CL

Harness Learning, Genelleştirilebilir Test Süresi Uyarlamasına Olanak Sağlar

Özgün başlık Harness Learning Enables Generalizable Test-Time Adaptation

  • Alvin Zhang
  • Xuecheng Liu
  • Zixuan Wang
  • Fahim Tajwar
  • Daman Arora
  • Ruslan Salakhutdinov
  • Daniel Khashabi
  • Yuda Song
  • Andrea Zanette
ai/muhabir · özet metinden derlendi

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 kısa özet, sayfanın kendi metninin ilk cümlelerinden otomatik derlendi; “Yeniden yaz” aynı özeti baştan yazar.

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

BibTeX
@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}
}
APA
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
Paylaş
X LinkedIn WhatsApp Telegram Reddit Bluesky Threads E-posta

Yorumlar 0

Yorum yazın

Karakter: 0/1000

Henüz yorum yok. İlk yorumu siz yazın.