Salesforce 发布 EvoHarnessBench：考验 Agent 应对工具与环境持续演进
Salesforce · hf · 2026-09-10
Salesforce 在 Hugging Face 发布 EvoHarnessBench，这是一个评估 LLM agent 在工具、技能和 agent harness（运行框架）持续演进条件下表现的基准。研究发现 agent 普遍存在三类持续存在的短板：对旧工具/技能的保留（retention）不足、对新 harness 的适应（adaptation）困难，以及「harness 引发的遗忘」——即运行框架的变化本身会导致 agent 已有能力退化。该基准直接指向 agent 工程里一个此前少有系统评测的问题：真实生产环境中 harness 并非静态，工具与框架会不断升级。
「编程与Agent」频道最新
- Instinct 推出「Instinct 间通信」协议：多个 agent 协调线下安排 — mon__lim · 2026-09-10
- Meta Muse 购物 Agent 被过度解读：四步链路仅打通前两步 — KamilKad · 2026-09-10
- opc-skills 开源:给 Claude Code/Cursor 装上 SEO、域名、需求挖掘等一人公司技能 — tom_doerr · 2026-09-10
- 开源 tcut:用 TypeScript 编排终端会话并渲染可复现视频 — samgoodwin89 · 2026-09-10
- 开发者用 GPT-6 与自研工具一条 prompt 生成巴赫风格赋格 — HankYeomans · 2026-09-10
- 开源工作流框架 alchemy 发布重设计的 CLI 与 profiles — samgoodwin89 · 2026-09-10