AutoSaddler：从Agent执行轨迹自动优化外部框架，提升长程任务可靠性

LLM智能体在长时程任务上仍然不可靠，在这些任务中，小的局部失败可能会在长时间交互中累积，导致整体任务失败。尽管外部框架可以大幅提升鲁棒性，但框架设计仍然是一个手动且昂贵的过程，需要在大量提示词、工具配置和控制逻辑的空间中进行搜索。我们提出了AutoSaddler，一个自动框架优化框架，它将框架改进形式化为一个离线学习问题，并利用小批量中的失败信号迭代更新框架。AutoSaddler结合了失败轨迹诊断、将框架视为代码的结构化补丁生成以及基于验证的更新选择。在GAIA2、SWE-Bench Pro和Terminal-Bench 2.0上的实验表明，AutoSaddler在相应基础框架上大幅提升了智能体性能，分别取得了9.0、9.6和10.0个百分点的增益。消融研究进一步表明，有效的框架优化受益于三个要素：深度调试而非浅层反思、有针对性的修改而非无约束编辑，以及泛化感知的选择而非轨迹特定的修复。综合来看，这些结果表明自动框架优化是通往更高效、更可靠的智能体系统的一条有前景的路径。