Meta发布关于AI智能体的研究论文

Meta 最新发表的论文指出，如果智能体永远学不会判断何时该使用内存和工具，那给它配置再多这些资源也没用。当智能体被训练去判断何时值得使用外部状态时，长期运行的智能体工作效果会更好。

EvoHarness-RL 让 Qwen3-8B 在 ALFWorld 上取得了 96.9% 的成功率，同时每个任务流程中 harness 调用降到了约1次。

长任务会让智能体忘记当前状态、已完成步骤和有用的过往经验。EvoHarness-RL 将这些内容保存在模型外，分为信念（Belief）、进度（Progress）和经验（Experience）三类。

策略网络会学习何时读取或更新这些状态，因为每次调用 harness 都会消耗一个交互步数。

带 ReAct 的 Qwen3-8B 在 ALFWorld 的见过任务拆分上得分 47.9%，EvoHarness-RL 达到了 96.9%；在未见过的任务上，EvoHarness-RL 达到 86.6%，而 ReAct 为 50.0%。

在 RL 训练过程中，频繁的状态和内存调用逐渐降到了每个流程约1次，同时成功率持续上升。常规行为似乎会被内化进模型，只在需要的时候才调用外部状态。

智能体构建者应该训练策略网络判断何时查询和更新内存，而非硬编码恒定访问。

论文链接：arxiv.org/abs/2608.05446
标题："EvoHarness-RL: Learning Self-Evolving Runtime Harness for Long-Horizon LLM Agents"