微软 ActiveSaddler：自动课程学习让 Agent harness 提升 7.5 个百分点

微软提出 ActiveSaddler，把训练场景选择补作 agent harness 自动优化中缺失的一维，将课程建模为非平稳 bandit：把反复出现的失败抽象为可复用的「失败模式臂」，估计攻克各模式的潜在学习收益，并在重访已知弱点与探索新场景间自适应平衡。在 GAIA2 和 Terminal-Bench 2.0 上，相比固定场景顺序，Pass@1 分别提升 4.4 和 7.5 个百分点。