Meta AI 推出 EvoHarness-RL 框架，提升智能代理效率

Meta AI 和伊利诺伊大学厄巴纳香槟分校的研究人员推出了一种名为 EvoHarness-RL 的框架，旨在提升智能代理在复杂企业工作流程中的效率。该框架通过引入一个抽象层来管理代理的执行环境，并教会模型如何有效地利用其获取的信息。EvoHarness-RL 采用统一的认知、进度和经验工作空间（BPE），使 AI 能够更好地处理复杂的任务序列，避免重复错误并提高工作效率。实验结果显示，在 ALFWorld 基准测试中，使用 EvoHarness-RL 训练的 Qwen3-8B 模型在性能上显著优于其他模型，成功率达到 96.9%，比其基线 ReAct 对手高出 49.0 个百分点。此外，EvoHarness-RL 还使较小但成本效益高的模型能够与昂贵的封闭模型（如 Claude Opus 4.5）相媲美，在性能上达到相近水平。