ActiveSaddler: Automated Curriculum Learning for Agent Harness Optimization¶

复现级别：L1 核心机制诊断。 执行动态 failure arm 与探索/利用调度；不调用 AutoSaddler 或真实 GAIA2/Terminal-Bench 环境。

论文信息¶

字段	内容
论文链接	arXiv 2610.00906
公司/机构	POSTECH（按第一作者署名单位）
首次公开日期	2026-10-01（arXiv v1）
原文开源代码	是：https://github.com/microsoft/AutoSaddler/tree/feat/activesaddler
Adapter	`active-saddler`
本地复现代码	`src/auto_research/agent_research/latest_20261002.py`

把反复出现的失败模式动态实例化为非平稳 bandit arm；课程控制器在发现新场景和重访已知弱点之间选择，并随 harness 修复结果更新优先级。

flowchart LR
  I[输入/当前状态] --> M[active-saddler 核心机制]
  M --> A[可审计中间量]
  A --> O[输出/更新状态]

原论文关键图：展示论文核心架构、训练流程或系统协议。图片来自原论文，版权归原作者所有；点击图片可查看来源。

\(a_t=argmax_a[\hat v_a+c\sqrt{\log(t)/(n_a+1)}]\)，并周期性 Draw 未见场景。

相同 harness optimizer 与 rollout 预算下，GAIA2 Pass@1 +4.4 点，Terminal-Bench 2.0 +7.5 点。

本地对照口径：基线为机制关闭或默认状态，实验组为开启对应核心算子；相对百分比不适用。本批指标只验证不变量、梯度或状态转换，不表示论文规模效果。

执行动态 failure arm 与探索/利用调度；不调用 AutoSaddler 或真实 GAIA2/Terminal-Bench 环境。