Harness-of-Harness 让编码 Agent 无人值守连跑数天，平均提升 52%
dair_ai · x · 2026-09-02
新研究 Harness-of-Harness 提出一种外层封装方法：把你现有的任意编码 harness 套一层元调度框架，让编码 agent 在无人干预下连续自主工作数天。
核心机制：
- 将执行过程组织为重复的「规划-编码-测试」增量循环
- 在修复缺陷与能力增长之间取得平衡
- 把工作拆成小的可验证步骤
- 实现期测试与独立评估分离
- 约束输出而非约束工作流
实验：在 GameCraft-Bench、FrontierSWE 和 ProgramBench 上，用三组不同的 harness+模型组合，三次迭代后平均取得 52.25% 的相对提升，峰值达 82.86%。
所属事件:Harness-of-Harness 让编码 Agent 无人值守连跑数天(2 条相关)→
「编程与Agent」频道最新
- Fable 5.1 生成 three.js 网站实测：快且精准，但细节仍需人把关 — repligate · 2026-09-03
- SentinelX 开源：让 LLM 安全接管你的 Linux 服务器终端 — CarolusX74 · 2026-09-03
- 连载 30 天：用 fable 5.1 给户外机器人写出无线手柄控制器 — _Stocko_ · 2026-09-03
- 试水 AmpCode：可用 ChatGPT 订阅、每线程一台云电脑，槽点是吉祥物 Puck — carlosdponx · 2026-09-03
- 一人一 Agent 独立 microVM:语言学习产品上线生产环境的三个教训 — maritime_sh · 2026-09-03
- 断网手写 10 页文档后让 Agent 做成 PPT：作者发现自己文字像 AI 糊弄产物 — cnakazawa · 2026-09-03