**回顾式工具链优化：通过轨迹重演与自偏好提升LLM智能体**

_Retrospective Harness Optimization: Improving LLM Agents via Self-Preference over Trajectory Rollouts_

> 提出回顾式工具链优化（RHO），一种无需外部标注的自监督方法。RHO从历史轨迹挑选挑战性任务核心集，并行重解后结合自我验证与自一致性分析，生成候选工具链更新并依靠成对自偏好选优。在软件工程等领域验证中，单轮优化将SWE-Bench Pro通过率从59%提至78%，有效纠正历史失败模式，改变智能体行为并保持长周期高准确率。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-10 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.05922)