arXiv 论文提出智能体自我进化 harness 框架，以智能体自身为优化器
Multi-Task Self-Evolving Harnesses with the Agent as Its Own Optimizer
AI 导读
arXiv 论文（arXiv:2609.38372）提出递归自我改进式框架：同一冻结模型先作为 solver 解题，再作为 proposer 读取完整运行记录并直接编辑运行自身的 harness，进化任务来自五个不同领域基准，训练与 held-out 任务严格分离并额外在五个分布外基准上评估。
推荐理由
论文让同一冻结模型在多任务上自我进化 agent harness，并给出分布外泛化与涌现机制分析，方法思路可迁移。
正文 · AI 翻译
摘要：Harness 是围绕语言模型智能体的代码，负责组织提示词、调用工具、管理上下文并控制执行。随着模型不断变强，最近的工作开始让智能体改进自己的 harness，这一方向被称为自演化 harness。在大多数现有方法中，一个运行在人类设计的 harness 上的独立提议者修改求解器的 harness，并且为每个基准演化一个单独的 harness。真实世界的任务来自众多领域，因此 harness 的演化与评估都应覆盖多样化的任务。我们提出了一个接近递归自我改进的框架：同一个冻结模型，在同一个版本的 harness 上，先作为求解器解决任务，然后作为提议者阅读完整的运行记录，并直接编辑运行自身的 harness。每个演化批次从五个不同领域的基准中抽取任务。为了衡量泛化能力，训练任务与留出任务严格分离，我们还在演化过程中从未使用过的五个分布外基准上进行额外评估。我们将演化过程构建为包含两个阶段的深度学习训练：多任务预训练和持续训练。从一个 49 行的种子 harness 出发，GLM-5.3 和 GPT-5.6 Sol 演化出的 harness 在分布内基准上提升约 5 分，达到或超过 Claude Code 和 Codex，而 GPT-5.6 Sol 的 harness 在五个分布外基准上与 Codex 相当。第二阶段在 Claw-Eval 上继续演化后，GPT-5.6 Sol 和 GLM-5.3-Flash 超过了 Codex 和 Claude Code。我们还深入分析了演化过程中涌现的机制，包括输出截断、历史压缩、完成检查、独立审查和视觉检查。代码和演化后的 harness 可在 此 https URL 获取。
| 学科分类： | 人工智能 (cs.AI)；机器学习 (cs.LG) |
| 引用格式： | arXiv:2609.38372 [cs.AI] |
| （本版本的 arXiv:2609.38372v2 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2609.38372 arXiv 签发的 DOI，经 DataCite 提供 |
提交历史
来自：Qiankai Xu [查看邮件]
[v1]
2026年9月29日 星期二 18:33:27 UTC（963 KB）
[v2]
2026年11月12日 星期四 08:22:19 UTC（1,142 KB）
来源：arXiv cs.AI · arxiv.org