arXiv论文提出SSR框架进化智能体Harness

Jingzhe Liu 等在 arXiv 发布论文，提出 Successive Scale Racing（SSR）框架，用于自适应搜索最优证据组合、进化 agentic harness，解决任务池扩大时性能反而下降的问题。 论文称，SSR 根据任务质量与覆盖度构建多样的证据组合，在小算力预算下对候选 harness 进行竞赛式筛选；当任务池从 40 扩到 200 时，SSR 将通过率从 64.3% 稳步提升至 68.3%，而基线方法的性能均下降；其竞赛机制在识别近优候选的同时，将验证执行次数减少 60%。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。