arXiv · NLP· Yuxuan Zhang, Cong Wei, Penghui Du, Bo Li, Junwen Miao, Huaisong Zhang, Songcheng Cai, Yubo Wang, Dongfu Jiang, Yuyu Zhang, Changqian Yu, Ping Nie, Wenhu Chen, Kelsey R. Allen·· 2026-10-14AI 评分37
RewardHarness:免训练自进化智能体后训练框架
RewardHarness: Self-Evolving Agentic Post-Training
AI 导读
RewardHarness 提出免训练、自进化的智能体奖励框架,仅用100条偏好演示和0.05%的 EditReward 数据,在 EditReward-Bench 和 GenAI-Bench 上平均准确率47.4%,超 GPT-5 5.3分。 作为奖励信号用于 FlowGRPO 时,RL微调模型在 ImgEdit-Bench 得分3.52;工具与代码已开源。
来源:arXiv · NLP · arxiv.org