Living-Harness Is an Interactive-Agent Evolver
作者: Yuetian Du, Yucheng Wang, He Xu, Jiexu Xu, Shanwen Tan, Bing Zhao, Boyu Yang, Zhijie Xu, Ming Kong, Hu Wei, Jie Liu, Qiang Zhu
分类: cs.MA, cs.AI, cs.CL
发布日期: 2026-07-29
💡 一句话要点
提出Living-Harness以解决交互代理的执行失败问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 交互代理 自我进化 动态更新 执行失败 智能系统
📋 核心要点
- 现有的交互代理在执行过程中经常面临重复的执行失败，且静态框架在部署后无法适应新的任务环境。
- 本文提出Living-Harness，通过自我进化的方式，利用完成的轨迹和评估信号来动态更新代理的执行框架。
- 在多个交互环境中，Living-Harness在平均Pass@1指标上分别比最强基线提高了10.07和9.91个百分点，显示出显著的性能提升。
📝 摘要（中文）
大型语言模型（LLM）代理在执行过程中可能会出现失败，尽管可以通过重试来恢复，但相同的执行失败可能在后续任务中再次出现。这是因为后续反馈很少修正指导未来交互的持久性框架。本文提出了Living-Harness，一个自我进化的代理框架，它将每个完成的轨迹及其评估信号转化为后验证据，以更新框架。Living-Harness通过领域级的进化标准操作程序（Evolution-SOP）提取情节抽象和结构化更新证据，并记录触发条件、失败模式和恢复动作的情节记忆，以及记录状态节点、修复边和转移规则的状态图。更新后的框架状态被检索以指导未来的交互，同时工具和基础上下文保持不变，从而允许程序修复在进化周期中累积。
🔬 方法详解
问题定义：本文旨在解决交互代理在执行过程中重复出现的失败问题。现有方法的痛点在于静态框架无法适应新的任务，导致相同的错误不断重现。
核心思路：Living-Harness通过自我进化的方式，利用每次执行的反馈信息动态更新代理的执行框架，从而提高其在不同任务中的适应性和可靠性。
技术框架：整体架构包括轨迹收集模块、评估信号处理模块和框架更新模块。轨迹收集模块负责记录每次执行的过程，评估信号处理模块则提取反馈信息，框架更新模块根据这些信息更新代理的执行策略。
关键创新：最重要的技术创新在于Living-Harness能够将每次执行的结果转化为后验证据，动态更新框架状态，而不是依赖于静态的工具和上下文。这种方法使得代理能够在不同的任务中积累经验并进行自我修复。
关键设计：在设计上，Living-Harness使用了情节记忆来记录触发条件和失败模式，同时构建了状态图来记录状态节点和转移规则。更新后的框架状态能够被检索以指导未来的交互，确保程序修复能够在进化周期中持续累积。
🖼️ 关键图片
📊 实验亮点
在实验中，Living-Harness在八个交互环境上表现出色，平均Pass@1指标分别比最强基线提高了10.07和9.91个百分点，显示出其在动态适应性和执行可靠性方面的显著优势。此外，该框架支持跨模型骨干的演化状态的检索和重用，进一步增强了其实用性。
🎯 应用场景
Living-Harness的研究成果在多个领域具有广泛的应用潜力，包括智能客服、自动驾驶、游戏AI等。通过动态更新的代理框架，可以显著提高系统的适应性和可靠性，进而提升用户体验和系统效率。未来，该技术可能推动更复杂的交互系统的发展，使其能够更好地应对动态环境中的挑战。
📄 摘要（原文）
Large language model (LLM) agents may recover from a failure within an episode or after a retry, yet the same execution failure can recur in later tasks because post-episode feedback rarely revises the persistent harness that guides future interactions. Static harnesses improve reliability through fixed tools, context, memory, and workflow structures, but remain unchanged after deployment. We propose $\textbf{Living-Harness}$, a self-evolving agent harness that converts each completed trajectory and its evaluator signals into posterior evidence for bounded harness updates. Guided by a domain-level $\textbf{Evolution-SOP}$ ($\textbf{S}$tandard $\textbf{O}$perating $\textbf{P}$rocedure), Living-Harness extracts an episode abstraction and structured update evidence, and writes two complementary forms of procedural knowledge: episodic memory that records trigger conditions, failure patterns, and recovery actions, and a state graph that records state nodes, repair edges, and transition rules. The updated harness state is retrieved to guide future interactions, while tools and base context remain frozen, allowing procedural repairs to accumulate across evolution cycles. On eight interactive environments derived from $τ^2$-Bench and MultiWOZ-2.4, Living-Harness improves average Pass@1 over the strongest interactive baseline by 10.07 and 9.91 percentage points, respectively, and supports retrieval-only reuse of the evolved harness state across model backbones.