清华微软 HarnessMM 论文：Agent 省 87.93% token 成功率反升
rohanpaul_ai · x · 2026-11-02
清华与微软论文《HarnessMM: Recursive Self-Improvement for Harness Token Efficiency》（arXiv:2610.32813）：agent harness 每次工具返回后都重复调用 LLM 决定下一步，但很多步骤早已确定。
HarnessMM 让模型提前写出未来命令及精确参数，并为每条附通过校验；工具结果通过校验时直接执行、跳过 LLM 调用。98 个 HumanEval 任务上：Codex 成功率不变（90.82%）但省 29.54% token；DeepSeek Harness 成功率从 71.43% 升至 85.71%，token 省 87.93%。
实践启发：可预测的「写码→构建→测试」链条应一次性规划并配校验，而非每步重新问模型。
所属事件:清华微软 HarnessMM：Agent 省 87.93% token 成功率反升(3 条相关)→
「编程与Agent」频道最新
- Harness Pro 用 ESP32-P4 做出 AI 编码 Agent 桌面监控屏 — dee_hw · 2026-11-02
- RL 训练 LFM2.5-24B 适配器：精度持平下工具调用省 20% — yb2698 · 2026-11-02
- Agent 生产环境排障之痛：错误在第5步、根因在第3步 — Ok-Machine7983 · 2026-11-02
- RAGFlow 1.0 预览：从 RAG 引擎转向 agent 原生数据库 — newpeak · 2026-11-02
- 开源 Kitsune MCP：让编码 agent 复用你正在用的 Firefox 浏览器 — Sad-Interview9085 · 2026-11-02
- Agent 系统工程八连发:服务拆分、契约、子图与人审闭环实战 — huygl99 · 2026-11-02