HarnessMM 论文:复用 agent 已做决策,DeepSeek harness token 从 96K 降至 11.6K

blaizedsouza · x · 2026-10-26

arXiv 论文《HarnessMM: Recursive Self-Improvement for Harness Token Efficiency》提出在模型-工具边界做「带守卫的决策复用」，核心观察是：大量付费 token 花在让模型重新决定它早已决定过的事情上。

方法：

• 可执行决策图（EDG）存储确切动作、字面参数、因果依赖和公开守卫条件；
• 控制器在工具反馈后复用已解析的决策，替代重复的推理回调；遇到新语义决策、证据不足或选择器弃权时才调用原模型；
• 配合递归自我改进（RSI），用训练反馈迭代优化 harness 配置，actor 权重保持不变。

结果：

• DeepSeek harness：成功率从 71.43% 升至 85.71%，每任务 token 从 96.28K 降至 11.62K（节省 87.93%）；
• HumanEval 上 Codex 成功率保持 90.82%，token 从 66.72K 降至 47.02K（节省 29.54%）；
• MBPP 消融显示成本比单次使用决策图低 26.91%。

结论：agent harness 的大量推理调用是冗余的，缓存并守卫式重放决策可同时降本提效。

原文链接 →

「编程与Agent」频道最新

• 大厂全做 AI 沙箱,Modal 与 Daytona 靠盒外一层仍居增速榜前列 — FinanceYF5 · 2026-10-26
• 用 Claude 搭建全自动 SEO 流水线的六步工作流 — martyamark · 2026-10-26
• 用 agent 三条教训:别靠它读论文、别混学英语、别为烧 token 后台跑任务 — ZeYanjie · 2026-10-26
• Google 社区活动不必全用谷歌技术:Next.js 加 Firebase 也算数 — weskambale · 2026-10-26
• Open Ontologies 开源：给知识图谱套上 Terraform 式变更管理与可验证证明 — techNmak · 2026-10-26
• Claude Motion 视频提示词火了：7 个可复制提示词画廊合集 — CodeByPoonam · 2026-10-26

更多「编程与Agent」频道 AI 资讯 →