论文质疑Agent Harness进化收益
dair_ai · x · 2026-07-16
这篇论文在重新审视 agent harness evolution 的评估方式。
作者认为，很多“自我进化 harness”带来的收益，未必来自 harness 本身，而可能只是迭代搜索的结果。论文指出：
- harness evolution 本质上也是一种基于任务反馈的搜索，应该和同等反馈、同等推理预算下的普通任务搜索对比；
- 如果搜索过程和最终测试共用同一个 benchmark，结果可能是在对该任务集过拟合，而不一定代表设计更好。
结论是，现有不少提升需要更严格的评估来验证。
「编程与Agent」频道最新
- 开源 Agent Skill 2.3k 星:生成 MVP 蓝图并审计重构 agentic harness — tom_doerr · 2026-09-11
- Cognition SWE-2 用 KKT 对偶优化长度惩罚，一次 RL 推移 Pareto 曲线 — YouJiacheng · 2026-09-11
- 首届 Three.js 大会落地巴黎，AI 正缩短从想法到原型的距离 — OdinLovis · 2026-09-11
- 观点：Agent 真正的瓶颈是企业数据工程能力 — dhruv2038 · 2026-09-11
- 实测戳破 RTK 省钱神话:token 省了,账单分文未降 — Bartaseth · 2026-09-11
- GPT-6 Astra 用时 44 小时通关含敌人 Factorio,API 成本约 4500 美元 — liminal_bardo · 2026-09-11