#planning

4 篇

An Empirical Study of Harness Design for Coding Agents

编码 Agent 执行框架组件设计的实证研究

🧭 Agent 执行框架组件消融与设计

UMass Amherst · Emory University · UNC Charlotte · Zoom

系统性消融编码 Agent 的上下文管理、规划与动作空间，揭示模型与预算相关的组件设计规律

📌 工作参考价值（4 点）

上下文管理策略可直接借鉴：先用规则过滤冗余内容，再按需用 LLM 摘要，能有效控制 token 成本；避免实现“可恢复的删减”机制，因为模型几乎不会去调用，徒增工程复杂度。
动态规划开关：强模型上规划主要降低 token 消耗而非提升精度，弱模型上才是精度支撑。可在推荐/搜索 Agent 中按模型能力决定是否启用规划步骤，平衡效果与成本。
动作空间设计遵循“够用即可”：对工具使用能力较弱的模型提供结构化预定义工具，对 bash 能力强的模型只给命令行接口，既提升成功率又降低成本，尤其适合命令密集型任务。
组件解耦的消融框架值得复用：固定执行循环，独立替换上下文、规划、动作模块，可快速定位系统瓶颈，适合在电商 Agent 中进行模块化调优。

Agent | 2026-09-16 | HF Daily | score 7/10

基于矩阵分解MDP的候选列表规划

🧭 动态感知的MF候选生成规划 ★ 深度解读

AI VK · Lomonosov Moscow State University

在固定MF嵌入上增加闭式秩一更新的前瞻规划，使检索列表感知用户状态变化

📌 工作参考价值（4 点）

对现有MF检索管线几乎零改动：仅需缓存后验矩阵 \(A^{-1}\)、复用已有item embedding，用闭式 Sherman‑Morrison 更新完成单步前瞻（Plan‑1），计算成本 \(O(d^2)\)，可快速集成到粗排或召回后重排。
必须用余弦相似度替代内积：内积与物品流行度高度纠缠，导致规划偏向热门 item，余弦相似度是让规划生效的前提，业务上务必做相似度形式的消融验证。
在全局时间切分（GTS）下规划增益不一定成立，因为物品流行度、用户行为分布会随时间段漂移，乐观的“推荐即接受”假设失效；实际部署前必须用未来时段数据验证，只在验证显示序列结构时启用 Plan‑K。
MCTS 可采用 ANN 索引限制每个节点的候选动作数（Wolpertinger 风格），配合余弦先验的 UCT 探索项保持对数遗憾界，控制树搜索开销。

RecSys | 2026-07-02 | cs.IR | score 8/10

PlanningBench：面向LLM的可扩展、可验证规划数据生成框架

🧭 生成式规划数据 · 可控难度与自动验证 ★ 深度解读

Renmin University of China · Tencent Hunyuan Team · Beijing Academy of Artificial Intelligence · The Chinese University of Hong Kong

从真实场景抽象出任务-约束分类，通过闭环合成生成可验证规划数据，兼顾评估与强化学习训练

📌 工作参考价值（4 点）

可控数据生成范式：约束驱动合成 pipeline 从真实场景抽象任务-约束分类，可迁移至电商复杂任务（如物流调度、大促排期、库存分配）的规划数据生成，突破固定基准的限制。
可验证奖励设计：每个实例绑定自动验证清单，同时检查约束满足与目标优化，可作为强化学习 reward，保证 Agent 在长序列决策中保持全局一致性。
奖励确定性至关重要：偏好确定最优解，避免多个可行解导致奖励信号分散；在训练多目标协调的 Agent 时，应优先构造明确的最优指标以稳定训练。
难度自适应分级：按约束层级（基础/中等/困难）和状态化约束分档，通过动态调整采样概率实现难度递增，适合生成难度可控的训练集。

Training | 2026-05-19 | HF Daily | score 8/10

从计划到像素：学习规划与编排以实现开放式图像编辑

🧭 多模态图像编辑 · 奖励驱动的规划编排

通过基于奖励的规划-执行耦合，让模型自主学会分解并执行抽象多步编辑指令

📌 工作参考价值（4 点）

电商商品图自动化：可将“让图片更吸引素食者”这类抽象指令自动分解为替换肉类、添加植物元素、调整色调等子任务，并选择适当的修图工具（如背景移除、目标替换）逐步执行。
RL + VL 判官范式：借鉴用视觉语言模型（如 CLIP）作为奖励函数的做法，在创意生成、广告设计等场景中，将人类偏好量化为 VL 相似度或文本对齐分数，训练执行策略。
规划器与执行器解耦：规划器（生成步骤序列）与执行器（选择区域和工具）分离，可利用历史成功轨迹微调规划器，实现迭代改进；在电商多步素材生成中可类似分离“构思步骤”与“执行修图”。
从演示学习转向体验学习：避免手工规则或模仿教师，直接根据最终图像质量反馈来优化编排策略，这一思路可迁移到其他 Agent 系统，如对话式商品推荐中的多轮交互规划。

Multimodal | 2026-05-14 | cs.CV | score 7/10