清华微软 HarnessMM：Agent 省 87.93% token 成功率反升

清华大学与微软发布论文《HarnessMM: Recursive Self-Improvement for Harness Token Efficiency》，提出通过「守卫式决策复用 + 递归自我改进（RSI）」优化 agent harness 的 token 消耗。在 DeepSeek 等模型上实验显示，该方法可节省 87.93% 的 token，且任务成功率不降反升，为降低 AI Agent 运行成本提供了新思路。

2026-11-02 ~ 2026-11-02 · 3 条相关

• 清华微软论文：HarnessMM 让 Agent 省 87.93% token 且成功率反升 — rohanpaul_ai · 2026-11-02

另有 2 条近重复转述:rohanpaul_ai · rohanpaul_ai