StateM 框架：不调模型权重的 Harness Scaling 提升 Agent 准确率至 95.3%
liuziwei7 · x · 2026-08-18
论文提出 StateM，一种通过 Harness Scaling（控制流扩展）提升 Agent 执行准确率的原生运行时。它不改变模型权重，而是通过持久化状态、检查转换和可恢复流程本优化执行系统。
- 核心结论：Human direction + agent action 比单纯优化 Agent 方向或增加人力更有效。
- 性能表现：在 Terminal-Bench 2.1 上，StateM 将 GPT-5.5 xhigh 提升至 92.1%（基准 83.1%）；使用 GPT-5.6 Sol xhigh 达到 95.3% 原始准确率，且成本仅约 15 美元（GPT 参考成本 574.68 美元）。
- 迁移能力：流程本（Runbook）无需修改即可在不同模型间迁移，如将 DeepSeek-V4 Flash 提升至 88.8%。
- 开源与可用性：支持开源模型达到闭源前沿模型效果，且无需训练，零迁移成本。
「编程与Agent」频道最新
- 开源 Cumora:AI 队友与人类共用 Slack 式协作聊天 — aigclink · 2026-08-18
- Thrixel+Claude 一条提示词两小时自主做出 3D 游戏 — RanaHanocka · 2026-08-18
- Permix:轻量类型安全的 TS 权限管理库获开发者好评 — jonathan_wilke · 2026-08-18
- 让 Agent 先查事实源再回答，别让它瞎编训练数据 — eptwts · 2026-08-18
- 用 GTM Agent 搭建增长机器：一人公司从 0 到月入 1 万美元 — tomcrawshaw01 · 2026-08-18
- 把 commit 队列交给 Agent 后，她的每日提交连击直接起飞 — christine_hall · 2026-08-18