Rohan Paul (@rohanpaul_ai) · 2026/10/11 04:40:32
斯坦福提出智能体故障二分法：循环停滞靠改 Harness，劣质规划需微调权重
斯坦福最新研究将智能体失败归因为“过程故障”（如死循环、步数耗尽）与“内容故障”（如规划质量差），并证实前者可通过优化提示词和工具链（Harness）解决，后者则必须通过模型权重微调（如 LoRA）修复。实验显示，仅调整 Harness 可将 Qwen3.5-4B 在旅行规划基准上的最佳表现从 0.16 提升至 0.30，但无法消除劣质规划；而引入 LoRA 适配器后，Qwen3.5-9B 的劣质规划率从 28% 骤降至 5%。该结论为智能体调试提供了明确的“先诊断故障类型，再选择优化路径”的工程范式。
报道全文原始报道全文
Rohan Paul (@rohanpaul_ai) · 2026-10-10 20
斯坦福大学最新论文发现：修改 Harness（智能体框架）可修复陷入循环或停滞的 Agent，而交付劣质计划的 Agent 则需要通过权重训练来改进。
提升 Agent 性能有两种途径：一是编辑其 Harness，即优化围绕模型的 Prompt、工具和检查机制；二是微调模型权重。
研究者将失败的运行轨迹分为两类：过程失败（如陷入循环、步数预算耗尽）和内容失败（如输出了糟糕的计划）。在旅行规划基准测试中，他们首先通过重写 Harness 解决了由 LLM 驱动的循环问题，随后针对表现最佳的运行轨迹对模型进行了微调。
Harness 的演进使 Qwen3.5-4B 在保留测试集上的得分从 0.16 提升至 0.30，计划交付成功率也从 55% 升至 90%。然而，仅靠修改 Harness 无法减少“劣质计划”的比例；相比之下，使用 LoRA 适配器进行微调后，Qwen3.5-9B 在保留测试集中产生劣质计划的比例从 28% 降至 5%。
结论建议：在优化 Agent 之前，先标记其运行失败的原因——在 Harness 层面解决过程失败，在权重层面解决内容失败。
