实证研究：编码代理harness回顾式自演化效果有限

Christoph Treude 与 Sebastian Baltes 发表 arXiv 实证研究，让 Claude Code 在 30 个 SWE-bench Verified 问题上通过回顾式适配（retro 技能）回顾已完成会话并提出 harness 修改建议：共产生 125 项提案，实施 24 项，评估 12 项。 效果方面，在无改动会话确实遇到目标问题的 7 次评估中，2 项改动消除了目标行为，1 项减少了其发生，4 项无减少。论文称，harness 自演化不只是生成和实施改动，还需要建立办法判断改动是否对后续任务有帮助，并修订或移除无效改动。

AI 根据报道生成 · 42 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。