AWS AI Labs 发布 MILO：自动进化 agent harness，Terminal-Bench 提升 12%
mangahomanga · x · 2026-10-15
AWS AI Labs 推出 MILO，一个面向长程、重推理任务的递归自我改进 agent 方法。核心思路是不仅进化 agent 的 harness，还同时进化发现更优 harness 的搜索过程，无需重新训练模型即可获得更强 agent。
关键结果：
- Terminal-Bench 2.1 上 resolution rate 提升 +12.0%，超过 Claude Code 与 Codex
- 优于 GEPA、Meta-Harness 等同类方法
- 在 3 个开放数学问题上发现更紧的上界，击败 AlphaEvolve、TTT-Discover 和 EvoX
「编程与Agent」频道最新
- vLLM 开源训练推理一致性 agent skill,RL rollout 实现位级对齐 — vllm_project · 2026-10-15
- vLLM 量化收益实测：KL 严格为零，吞吐保留 87.5%~91.3%，并开源一致性 agent skill — DynamicWebPaige · 2026-10-15
- vLLM 实现 RL 训练与推理 bitwise 一致，DeepSeek-V4-Flash 100 步零偏差 — vllm_project · 2026-10-15
- ChatGPT Sites 接 MCP Events 与 dots：工作流触发式智能体新玩法 — gabrielchua · 2026-10-15
- 从「AI 建议我手动改」到「彻底放手让 Agent 写代码」 — madeofAjala · 2026-10-15
- 用游戏测评编程模型不是炫技，而是检验真实复杂任务 — vitaliychiley · 2026-10-15