RecodeX 重构消息，Meta AI与伊利诺伊大学厄巴纳-香槟分校的研究人员推出EvoHarness-RL框架，通过为智能体运行时层增加抽象层，训练模型自主决定何时读取、更新或整合环境信息，以提升其在长周期企业工作流中的表现。该框架旨在解决现有智能体依赖人工编写规则、缺乏真正自主性的问题，并减少因模型升级导致的重复调试成本。研究指出，仅追加记忆可能损害推理能力，EvoHarness-RL通过动态管理状态跟踪和子目标，帮助智能体更高效地处理复杂任务。