YC 深谈 Agent Harness：同模型 ARC-AGI 分数从 30% 升至 95%

Y Combinator 举办 Paper Club 圆桌，主题是长期被轻视为「提示词工程」、不算真研究的 Agent Harness（智能体脚手架）领域。核心结论是：同一批模型权重在 ARC-AGI 基准上使用较差 harness 只得 30%，配合更好的 harness 可以达到 95%——也就是说，在很多场景下决定实际效果上限的不是模型本身，而是包裹模型的 harness 设计。

已确认

• YC 官方发布直播预告并进行了这场深度讨论，参与者为一线研究者与创始人，主题明确为 Agent Harness 研究。
• 讨论给出的关键数据是：同一组模型权重，ARC-AGI 成绩随 harness 质量从 30% 提升到 95%。
• 圆桌反驳了「harness 只是 prompt 工程、不算真研究」的常见观点，主张 harness 工程值得被当作独立研究方向认真对待。
• 讨论议题还包括自我改进 harness、本地个人 AI，以及 YC 内部约 50 个 ag…（议题相关内容在预告中提及）。
• Reddit 用户 @Ninxosk 推荐了该视频，并从工程视角概括：harness 是模型外层的脚手架/工具编排层，其设计直接决定实际效果上限。

为什么重要

• 如果模型权重不变、仅靠外层框架就能带来数倍的性能差距，那么模型能力评估与产品效果都高度依赖 harness，单纯比拼模型分数可能产生误导。
• 这一论点为工程团队指出了新的优化方向：在换更大模型之前，先改进工具编排与脚手架设计，可能性价比更高。
• 事件在 HN/Reddit 等社区获得推荐与讨论，说明「harness 工程是否算研究」的定位之争已成为社区关注的话题。

2026-09-07 ~ 2026-09-08 · 4 条相关

• 【源头】YC Paper Club 深挖 Agent Harness:同一模型换好 Harness 分数从 30% 到 95% — Y Combinator · 2026-09-07
• 【源头】YC 预告 Agent Harness 深谈直播:同模型 ARC-AGI 30% 到 95% — ycombinator · 2026-09-07
• 同一模型换个 harness 从 30% 飙到 95%，YC 深度拆解 harness 研究 — ycombinator · 2026-09-07

另有 1 条近重复转述:ycombinator