HarnessPro：一种自改进的智能体训练方法

Harness 自改进别只涨分不算账：清华唐杰 HarnessPro 给 lite/medium/heavy 三档，heavy +2.0pp 且单任务成本 −26.1%

Edge-TTS 广播级有声·🎙 主播：云希 (沉稳新闻联播腔)

全员无门槛畅听⤓ 下载音频

有声朗读已就绪

00:00

00:13

AI 导读

RSI 带来的 harness 增益常伴随更高执行成本；没有真值测试也能进化。

推荐理由

HarnessPro 通过降低执行成本来提高任务性能，为不同部署预算提供不同类型的智能体，具有潜在的应用价值。

正文 · AI 翻译

查看PDF HTML（实验性）

摘要：利用开发在构建能够胜任的AI代理中起着至关重要的作用。最近的方法通过递归自我改进（RSI）来改进利用，但它们的性能提升往往伴随着更高的执行成本。我们介绍了HarnessPro，这是一种无标签的进化方法，旨在提高任务性能的同时降低执行成本。在此设置中，候选利用通过LLM生成的测试进行评估，而不访问真实解决方案或官方测试。专门的代理诊断执行轨迹，根据不同的性能-成本优先级制定更新计划，并将它们作为候选利用实施。HarnessPro而不是返回单个利用，使用归一化加权平方距离选择来提供以成本为重点（轻量级）、平衡（中等）和以性能为重点（重量级）的利用，以适应不同的部署预算。选定的利用进入下一迭代，其中执行反馈指导进一步的更新。我们的实验涵盖了Terminal-Bench 2、SWE-Bench Pro和ProgramBench，使用GPT-5.5与Codex以及GLM-5.2与Claude Code。在这些基准测试中使用GPT-5.5与Codex，HarnessPro的重量级模式实现了平均通过率提高2.0个百分点，平均每任务成本降低26.1%，相对于RHO。当使用GLM-5.2与Claude Code时，这种优势也保持不变。代码可在此https URL

评论：	41页，4个图表，4个表格，正在审阅
主题：	机器学习（cs.LG）；计算与语言（cs.CL）
引用：	arXiv:2610.26770 [cs.LG]
	（或 arXiv:2610.26770v1 [cs.LG]为此版本）
	https://doi.org/10.48550/arXiv.2610.26770 arXiv-issued DOI via DataCite

投稿历史

来自：潘朱石 [查看电子邮件]
[v1] 周一，19 Oct 2026 17:27:38 UTC (587 KB)

💡量子基态深度拆解 · 关联专栏与产品

原创出品站长/Quantara 团队·约 3 分钟深度解析

Cursor Agent 架构全景拆解：从影子工作区到多文件推演引擎

全面剖析 Cursor 在 Agent 模式下的底层技术实现，解析影子分支隔离、LSP 上下文剪枝以及预测性补全的核心架构细节与工程实践经验。

深入理解底层架构与行业变量阅读完整拆解 →

精选收录Vercel Changelog·约 1 分钟深度解析

Vercel v0 推出全新多 Agent 协作画布与实时全栈部署预览

动态速评：v0 正在从单一组件生成器演进为全栈应用搭建协作台，尤其是与 Neon/Postgres 的直连极大降低了全栈原型验证成本。

深入理解底层架构与行业变量阅读完整拆解 →