Turbo Harness：实例自适应的工具链优化

自动搜索有效工具链是实现智能体递归式自我改进的重要一步。现有的工具链优化通常会生成一个应用于所有任务实例的单一全局工具链。然而，平均表现良好的工具链未必对每个实例都是最优的。我们提出了 Turbo Harness，这是一个能够利用原始优化过程中生成的信息，将全局优化后的工具链适配到每个实例的框架。具体而言，Turbo Harness 会重用一次已完成的全局工具链优化运行所产生的产物，并将其总结为结构化操作手册。我们训练了一个工具链编辑器，使其能够利用以往的优化经验，为全局工具链生成针对具体实例的补丁。在推理时，编辑器使用任务实例和操作手册构建定制化工具链，并由执行模型在其中运行。通过数值实验，我们表明，在涵盖交互式智能体任务、软件工程和长时程终端任务的七个基准测试中，Turbo Harness 始终优于现有的工具链优化基线。