arXiv · cs.AI · Lingzhi Yuan, Yiguang Cai, Weize Liu, Siqi Yang, Feijiang Han, Yongkyun Lee, Udari Madhushani Sehwag, Furong Huang · 5 小时前模型评分48
Meta²：为长程智能体的在线 Harness 进化预计算可复用知识
Meta$^2$: Precomputing Reusable Knowledge for Online Harness Evolution in Long-Horizon Agents
导读
Meta² 把离线优化提升一层，不再优化共享 Harness，而是学习可复用的文本 Meta-Skill，指导智能体在单个任务内在线决定保持还是修改 Harness。该方法在 Terminal-Bench 2.1 和 DeepSWE 1.1 上配合 GPT-5.6-Terra 分别达到 81.00% 和 44.44%，为所评估方法中最高。在线修改仅作用于当前运行且不重置环境，进化指导可跨任务迁移。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We introduce Meta$^2$, which moves offline optimization one level up: rather than optimizing a shared harness, it learns reusable knowledge for harness evolution and applies it within each task online.”
- “On two long-horizon benchmarks, Terminal-Bench 2.1 and DeepSWE 1.1, Meta$^2$ achieves the highest performance among evaluated methods with GPT-5.6-Terra, reaching 81.00% and 44.44%, respectively.”
来源：arXiv · cs.AI · arxiv.org