Meta² 离线学演化知识、在线做任务局部 harness 编辑。
资讯摘要
论文提出 Meta²，将 harness 优化上移一层：离线学习可复用的文本化 Meta-Skill M，指导在线演化器在任务内决定保持或修改 harness，编辑仅作用于当前运行且不重置环境。作者报告在 Terminal-Bench 2.1 与 DeepSWE 1.1 上，配合 GPT-5.6-Terra 分别达到 81.00% 和 44.44%，为所评估方法中最高。
要点速读
- Meta² 离线通过对比同一任务智能体在无演化器、由当前 M 引导、以及获得仅训练期可用的验证器信息三种配置下的轨迹与结果，聚合提炼 M。
- 在线阶段演化器结合冻结的 M 与当前轨迹证据，选择 KEEP 或对 harness 做任务局部编辑，编辑不重置环境或进度。
- 作者报告在 Terminal-Bench 2.1 和 DeepSWE 1.1 上分别取得 81.00% 与 44.44%，消融支持对比式演化指导与任务局部编辑的价值。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。