Google 论文：自动优化 agent harness 会让分数涨、真实任务变差
omarsar0 · x · 2026-09-24
Google 的新论文指出：如果自动优化 agent 的 harness（提示词、控制流、工具、记忆），评测分数会上涨，但 agent 在真实任务上反而变差。
问题：automated harness evolution 会提出对提示词/控制流/工具/记忆的修改，保留提分的修改并循环，实际上过拟合了训练任务。对比的五种 harness 进化方法中，Meta-Harness 在 Harvey LAB 的进化集上达到 93.0，但在 JobBench、GDPval、APEX-Agents 三个分布外基准上只涨 0.3–1.5 分。
方案 RRSI：在循环两侧加正则化——proposer 获得随时间收缩的编辑预算，并被推向未尝试过的方向；critic 会拒绝……
结论：在它进化所针对的任务上得分最低，但在全部三个分布外基准上得分最高，验证了「留一部分改进预算 + 去重/探索正则」可以防止 harness 自进化过拟合评测。
所属事件:Google 提出 RRSI：正则化约束 Agent 框架递归自我改进(8 条相关)→
「编程与Agent」频道最新
- 美联航将禁止个人AI代理代客预订机票 — Polymarket · 2026-11-12
- Agentic Search 图解：4 次搜索的循环成本约为单次搜索的 5 倍 — adnan_hashmi · 2026-11-12
- AWS 自曝：AWS Emulator 每行代码均由自主 AI Agent 编写 — SumitGup · 2026-11-12
- freeCodeCamp 上线 2 小时 Codex 智能体编码免费课 — adnan_hashmi · 2026-11-12
- 被严重低估的资源：跨模型跨厂商的工具调用可靠性实测 — ricklamers · 2026-11-12
- 整理 5.5 万数据点的教训:企业级 Agent 数据准备远比想象更难 — BenBajarin · 2026-11-12