CMU 论文：4B 小模型自动改写 agent harness，反超 35B 老师
irinarish · x · 2026-10-14
CMU 研究者训练了一个 4B 小模型来改写 AI agent 的 harness（模型外围的调用程序：如何被调用、工具如何运行、信息流向哪里），结果它超过了所学自的 35B 模型。做法是让 4B 模型读取上一次运行的失败报告，提出对 harness 的修改，并保留得分最高的版本，而执行任务的模型本身保持不变。
关键数据：
- 在从未见过的任务类型上，编辑质量从 0.32 提升到 0.62
- 连续 5 次编辑即可匹敌或超过 8 次并行尝试中的最佳结果
- 坏编辑比例从 38% 降至 15%
帖子还给出可复现的流程：把 harness 放进单个文件（提示词、步骤、工具调用），测试集分成 learn/score/final 三份，在 learn 集上运行并保存失败摘要，再让模型据此提出修改。引用的长文则系统讲解了设计 agent harness 的六个关键决策。
「编程与Agent」频道最新
- 开发者用 AI 审计 50+ 项目,FrankenRedis 报告细到逐条根因 — doodlestein · 2026-10-14
- 开发者谈 agent 设计:像爵士合奏,卡壳一小时就毁了心流 — TAbrodi · 2026-10-14
- 百个工程师配 AI 即达万人协作:monorepo 需要新 Git 原语 — rickasaurus · 2026-10-14
- 开发者做 MCP 工具：AI 卡住时直接打 WhatsApp 语音找你拍板 — Augusto_pinheiro · 2026-10-14
- Argon 幻觉实测：唯一虚假陈述率超 50% 的模型，Gemini 受波及 — brandon_galang · 2026-10-14
- 跟 Grok 吐槽浏览器,它直接造出一个 agent 浏览器 Serein — damnGruz · 2026-10-14