Harness²：开放世界中的递归 Agent 驾驭框架
🧭 Agent harness 递归自改进 ★ 深度解读
Northwestern University · Google Cloud AI Research
提出 Harness²，通过对比性 Propose-Probe-Compose 与经验库更新，在无 ground-truth 的开放世界中持续改进 agent harness。
📌 工作参考价值（4 点）
- 将推荐/搜索 agent 的运行时组件（prompt、工具说明、技能、子代理、中间件）显式文件化，支持在线编辑和版本管理，比黑盒 prompt 更容易自动优化。
- 在没有 ground-truth 的在线场景（如 query 推荐、文案生成质量难以标注），采用 Propose-Probe-Compose 的行为对比方法：让候选 harness 与当前 harness 执行同一任务，对比轨迹和输出差异作为编辑证据，避免依赖不可靠的奖励模型。
- 建立跨任务的经验库（harness improvement library），存储成功的 harness 组件和适用条件，支持新任务时按需检索和复用，避免每次从零调优；类似电商场景中不同品类/活动下的 agent 配置可以复用。
- 将 harness 优化与模型解耦，冻结模型权重，只优化外围组件，降低成本并便于快速迭代；弱模型配合优化后的 harness 可以超过强模型默认 harness。
MATE：LLM 推荐中的自适应长短期用户记忆
🧭 LLM 增强序列推荐 · 自适应用户记忆 ★ 深度解读
Yonsei University
提出 MATE，用时间证据控制长短期记忆写入，在线只更新用户记忆，在 LLM 增强序列推荐中提升 NDCG@10 7.0–13.2%
📌 工作参考价值（4 点）
- 用户建模可显式拆成长期/短期两个用户级矩阵记忆，长期更新保守、短期快速响应；在线只更新这两个矩阵，共享模型固定，单事件额外开销仅 1.25–1.32ms，存储 1MiB/user，适合实时推荐系统。
- 时间证据计算很实用：长期证据要求相似行为出现在至少两个不同日历月且跨时超过 30 天，避免短时突发被误判为长期偏好；短期证据给最小写入强度（epsilon=0.2），让新出现的兴趣也能进入短期记忆。
- 读取时用近期交互的衰减加权表示做门控，得到独立的 alpha_L、alpha_S，不做归一化，允许同时强调或抑制两个记忆，比固定权重融合更灵活。
- 使用冻结 LLM embedding（qwen3-embedding:4b）作为 item 语义，避免微调大模型，可直接替换现有 ID embedding，适合电商商品文本丰富的场景。
通过执行反馈学习可泛化的测试时自适应 Harness 修订
🧭 Agent harness 自适应与元学习 ★ 深度解读
Carnegie Mellon University · Johns Hopkins University
训练一个 proposer 用执行反馈修订 frozen solver 的 harness，实现无需参数更新的测试时自适应与跨任务泛化
📌 工作参考价值（4 点）
- 在电商/Agent 工作流里，可把「query 改写、检索重排、工具调用、结果校验」等串成可执行 harness，用一个较小的 proposer 模型（4B 足够）只改 harness 代码、不改主模型参数，测试时用业务反馈迭代修订，降低大模型频繁微调成本。
- 训练 proposer 时，反馈问题和打分问题要拆开：反馈用于构造下次 revision 的 execution report，打分用于 RL reward，避免 reward hacking；GRPO 的 reward 建议加上 edit validity 和可执行性 bonus，能明显降低无效 proposal 比例。
- 测试时不要只做 one-shot 修订：用 small proposal budget 做多轮 sequential revision，每轮基于 development score 保留当前最优 harness；论文在 QA 场景里 10 轮总预算 80 次 proposal 能超过独立 80 次 proposal 的 oracle best，适合在线 A/B 式自适应。
- 对多跳检索/问答类 pipeline，可学习让 harness 把「用于生成下一跳 query 的摘要」和「最终 answer 的证据」分离：query 生成用摘要，answer 直接读原始 passage，这种结构在跨域 QA 上更稳。
交互式记忆学习用于长期对话
🧭 多智能体协作记忆优化 ★ 深度解读
Harbin Institute of Technology, Shenzhen · Pengcheng Laboratory, China
提出 ICML 多智能体在线强化学习框架，Planner 与 Trigger 通过跨会话延迟奖励共同进化，实现记忆策略自演进
📌 工作参考价值（4 点）
- 将记忆写入（Planner）和记忆召回（Trigger）拆成两个可学习策略，用 PPO 在线更新，适合客服/导购等用户偏好频繁变化场景；Planner 过滤噪音控制上下文长度，Trigger 按当前 query 选择记忆。
- 跨会话延迟奖励机制：把未来响应质量反传回当初的存储决策，解决记忆价值滞后问题，可迁移到电商中用户长期反馈对画像写入策略的反哺。
- 用 Retrospective Session Synthesis 反向生成一致故事线并标注记忆依赖，做冷启动专家数据，可借鉴为合成用户会话数据训练记忆策略，缓解在线 RL 稀疏奖励。
- 实现 plug-and-play，不改闭源 LLM 权重，仅训练小模型策略，构造延迟约 63ms、检索约 13ms，对已有线上 LLM 对话系统做记忆增强成本低。
通过人机交互进行高效测试时自适应
🧭 Agent 个性化与测试时自适应
Carnegie Mellon University · University of Washington · Handshake AI · Stanford University · Princeton University
利用跨会话人机交互信号在测试时适配个体 Agent，写作与视觉创作任务成功率提升 4.5–20.9%，演化 rubric 可多捕获 16–22.3% 失败
📌 工作参考价值（4 点）
- 用跨会话交互数据做在线个性化：电商对话式导购/客服 Agent 可维护用户历史反馈，在推理时动态注入 context 或更新轻量权重，实现低成本的个性化，尤其适合长尾用户。
- 演化 rubric 模块可作为偏好对齐工具：将用户对推荐解释、商品描述、广告文案的反复反馈提炼为可进化的评价标准，既可作为奖励/过滤信号，也可用于自动标注失败案例，减少人工评审成本；论文显示比单用 LM 或人工能多捕获 16-22% 失败。
- 个性化策略具备跨用户迁移能力：即使目标是个人化，TAHI 训练的个性化策略也能提升其他用户最高 8.8%，提示可构建共享的“个性化底座”，通过少量交互迁移到新用户，缓解冷启动。
- 在生成式推荐场景，可将用户反复指出的标准显式化为 rubric 并注入 prompt 或评分器，实现可解释的偏好对齐与可控生成。
视频模型的视觉提示工程
🧭 视觉提示工程提升视频模型推理
Google DeepMind
自动修改任务图像（视觉提示）可显著提升视频模型推理性能，超过文本提示和测试时扩展
📌 工作参考价值（4 点）
- 商品图像预处理增强理解：借鉴 VIPE，对电商商品主图进行自动风格化（如光影优化、背景真实化），可提升多模态模型在属性抽取、类目识别上的准确率，无需重训模型。
- 测试时输入优化：在不改变模型权重的前提下，仅通过调用图像编辑API在推理前重绘输入，即可低成本提升下游效果，适合广告创意优选、直播封面自适应等场景。
- 视觉 Agent 的输入增强：在多模态 Agent 中，对采集到的画面做轻量预处理（去模糊、风格迁移）可提高后续推理决策的可靠性，作为 Agent 感知流水线的一个即插即用组件。
- 计算高效性：相比文本提示工程或多次采样，VIPE 仅增加一次图像编辑开销，是计算资源友好的提效手段，适合线上实时服务。