MemoHarness：智能体控制层自动优化新方法

一篇关于「如何自动优化智能体外壳（harness）」的研究提出 MemoHarness，把决定智能体表现的控制层拆成六个可编辑模块，用结构化编辑的方式自动改进，而不依赖人工调参或额外训练。

• 将 harness 沿「推理时间流」切成上下文、工具、生成、编排、记忆、输出六个控制面，每个面都可以独立结构化编辑，便于定位问题出在哪一层。
• 方法不需要测试时标签、人工反馈、梯度更新，也不依赖额外的搜索过程，理论上部署门槛更低。
• 在 shell-agent 基准上跑出 0.806 分，明显超过此前最强「固定 harness」基线的 0.722 分。
• 单任务运行成本还低于对比的最强商业基线，说明效果提升不是靠堆算力换来的。
• 作者（AI 领域知名研究者 omarsar0）将其称为值得收藏的研究，认为在打磨 harness 这件事上还有很大的 alpha 空间。
• 相比一味卷模型本身，这类研究提醒团队：同一个底座模型，换一套更聪明的控制层就能带来显著增量，是低成本提升智能体产品表现的新方向。

本内容由 AI 生成，仅供参考，请注意甄别