#失败轨迹

冻结权重下的Agent自我改进：失败轨迹的价值与边界

研究测试冻结权重下Agent通过失败轨迹改进harness的效果：客服决策任务提升4.0个百分点，但搜索过程贡献约60%，完整对话无显著增益，盲审发现240条测试项中146条有缺陷。