EvoHarnessBench：给 Agent 不断加工具，反而可能让它变差
mohitban47 · x · 2026-09-11
Shafiq Joty 团队发布 EvoHarnessBench，研究一个反直觉问题：我们总在给 agentic 系统不断添加工具、skills 和专家 agent，每次添加看似是升级，但不断演化的 harness（执行框架）会不会让 agent 在原本能解决的任务上变差？
核心发现：
- 答案是肯定的——harness 的演化可能损害 agent 原有的任务能力
- 更意外的是，即便是现有的 self-evolving（自进化）方法，也无法在适应新能力的同时可靠地保留既有能力
该基准用于检验 agent 能否跟上演化中的 harness。
所属事件:EvoHarnessBench：给 Agent 不断加工具反而可能让它变差(2 条相关)→
「编程与Agent」频道最新
- Will DePue 呼应 OpenAI 加 API 级能力：让多智能体一次并行分发上千个小模型调用 — willdepue · 2026-10-28
- DeckWerk 新版获早期用户好评：连续数周用于真实演讲 — vincesitzmann · 2026-10-28
- Opus 5.5 剪视频可替初级剪辑师，资深剪辑师日产出翻 5 倍 — dotey · 2026-10-28
- 软件栈正为Agent重构:开发者站点、浏览器乃至编程语言都在agent-first — mobileraj · 2026-10-28
- HABIT-Bench:八种记忆系统测用户习惯推断,最佳仅33.61% — SJTU · 2026-10-28
- 「钢琴测试」思想实验：你敢坐在形式化验证过的代码下吗 — moyix · 2026-10-28