清华微软论文 HarnessMM 大幅降低 Agent Token 消耗

清华大学与微软亚洲研究院在 arXiv 发表论文《HarnessMM: Recursive Self-Improvement for Harness Token Efficiency》，在模型与工具边界引入「守护式决策复用」机制并配合递归自我改进（RSI），让 agent harness 复用已确定的决策。实验显示 DeepSeek 的 harness token 消耗从 96K 降至 11.6K，降幅约 88%，而任务成功率反而提升。

2026-10-26 ~ 2026-10-26 · 2 条相关

• HarnessMM 论文:复用 agent 已做决策,DeepSeek harness token 从 96K 降至 11.6K — blaizedsouza · 2026-10-26
• HarnessMM 论文：缓存已定决策,Agent Token 消耗降 88% 成功率反升 — omarsar0 · 2026-10-26