MemoHarness：优化Agent外壳
omarsar0 · x · 2026-07-17
这篇论文聚焦 **agent harness** 的优化问题：也就是把基础 LLM 变成可执行 agent 的外部控制层。 核心方法是 **MemoHarness**，它把 harness 沿着推理过程拆成 6 个可编辑控制面：**上下文、工具、生成、编排、记忆、输出**。系统不依赖测试时标签、反馈、梯度更新或额外搜索，而是通过整理每个案例的诊断与跨案例模式，在遇到新案例时检索相似历史案例来适配。 结果上，它在 **shell-agent benchmark** 上达到 **0.806**，优于最强固定 harness 基线的 **0.722**，并且每任务成本低于文中对比的最强商业基线。