לגדל את מנגנון הסוכן, לא את ההקשר: מכשלים לקוד חוזר

יומן מחקר · 26 ספט׳ 2026

דמיינו סוכן דפדפן שעוצר אחרי כל לחיצה כדי לשאול את המודל את אותה שאלה משעממת: לחפש שוב, לסנן את התוצאות או לצאת מדף שבור? כששואלים אותה מאות פעמים, היא מנפחת את הפרומפט ושורפת טוקנים על החלטה שלא משתנה. פרה־פרינט חדש מציע להעביר את השיפוט החוזר הזה לקוד שהמסגרת כותבת לעצמה. בניסויים שלו הטריק עובד, בגבולות ששווה לקרוא היטב.

איך מנגנון הבקרה גדל

נקודת ההתחלה קובעת ממשקי מודל וכלים, אך אינה מקודדת אסטרטגיה. עקבות הרצה ממקדות כשל בפונקציה; ממטב מתקן יחד חלון מוגבל של כשלים. מבחן על משימות שנשמרו בצד בודק פגיעה ביכולת קודמת. במקרה של נסיגה חוזרים גם הקוד וגם מצב האימון לנקודת הבקרה. המודל עדיין מטפל במשמעות הייחודית של כל משימה.

דוגמה להמחשה, לא תוצאה ששוחזרה

נניח שסוכן פותח תוצאות חיפוש, מסנן דפים ללא ראיות ומנסה שוב. פונקציה יכולה לקבוע סדר סינון וניסיונות חוזרים. זו דוגמה להסבר, לא טענה שהמאמר למד דווקא אותה. הוראות שמוטמעות בדף חיצוני נשארות מידע לא מהימן.

מה נמדד

ב-BrowseComp-Plus וב-WebArena-Verified השתמשו החוקרים בכל אחד ב-200 משימות אימון, 50 למשמרת ו-50 להערכה סופית, עם שלושה מודלים מ-4B עד 120B. לדבריהם הממוצע היה הגבוה ביותר בחמישה מתוך שישה צירופים; מספר קריאות המודל ירד ב-76.0–91.8% ועלות ההסקה ב-74.4–98.6% לעומת Tool-Calling שנבחר להשוואה. ב-WebArena-Verified נמדדו 44.7–45.3% לעומת 6.7% למודל ההשוואה 4B. אלה נתוני המחברים, לא בדיקת שטח עצמאית.

ניתוח ומגבלות

מה אפשר לקחת

יש להפריד בקרה חוזרת משיפוט לכל משימה. לשמור גרסאות, תחום עריכה צר, מבחן נסיגה ונקודת חזרה. סמכות לפעול בשם אדם חייבת להיבדק מחוץ לבקר הנלמד.

# פסאודו-קוד להמחשה, לא קוד המחקר
if gate_success(candidate) < gate_success(checkpoint):
    restore(checkpoint)
else:
    checkpoint = candidate

Growing Harness preprint · Full method and results. Version 2 posted 24 Sep 2026; author results, not independently replicated.