港科大论文：策略暗藏 harness 偏好，部署收益=harness 上限-策略失配
HKUSTGZ · hf · 2026-10-28
港科大（广州）Jian Mu、Ruibo Shen、舒耀的论文《Your Policy Is Secretly a Harness: The Decision Geometry of Agent Interfaces》研究了 LLM agent 从 harness（提示、工具与控制逻辑）中到底学到了什么、换 harness 后什么会保留。
核心结论：
- 在 KL 正则化控制下，最优策略的 log-odds 会恢复 harness 对各动作的偏好强度——训练后的策略「携带」了其 harness 的偏好
- 部署后的收益 = harness 的天花板（它所能提供的最优回报）− 策略的失配项（其自身次优决策损失的回报）
- 训练只改变「失配」项；换 harness 则同时移动天花板与失配
推论：比较 harness 时必须把这两项分开，才能预测训练能带来多少增益——即部署性能不等于策略能力，而很大程度上取决于 harness 本身的潜力。
「编程与Agent」频道最新
- 算账反驳「Haiku 更便宜」：计入峰值定价与 token 用量后 DeepSeek 实际便宜 2 倍多 — teortaxesTex · 2026-10-28
- 截图疯传:某 agent 系统 30 秒生成 32 个并行 workspace — cephaloform · 2026-10-28
- Grok Bot 0.78.1 未公布新功能：每个 Bot 独立登录凭证，团队共享可控 — faraz0x · 2026-10-28
- Uber 用 AI Agent 自动化法务合同红线审阅,落地经验复盘 — AxSaucedo · 2026-10-28
- GraphRAG 隐性陷阱:同样的两跳 Cypher,枢纽节点查询可达 6 万次 DB 命中 — JeremyCMorgan · 2026-10-28
- 开发者称自建记忆系统胜过 Claude Code,原型却源自其旧设计 — RileyRalmuto · 2026-10-28