上海 AI Lab 提出 Harness 自进化方法，效果提升 104%

上海 AI Lab 提出 Self-Harness 方法，让智能体自动改进外层运行装置（Harness），不换模型即可实现最高 104% 的效果提升。

• Self-Harness 将改进流程压缩为三步：弱点挖掘（从失败轨迹中提取可复用的失败模式）、修改提案（针对失败机制提出有边界的 Harness 编辑）、回归验证（在 held-in 和 held-out 上测试，确保提升且不退化）。
• 在 Terminal-Bench-2.0 上测试，固定模型、工具、环境和评测协议，仅改 Harness：Qwen3.5-35B-A3B 提升 104%，MiniMax M2.5 提升 28%，GLM-5 提升 24%。
• 不同模型暴露不同弱点：MiniMax 倾向于过度探索而不交付，Qwen 在工具失败后陷入循环，GLM 需要更好管理 shell 状态。Self-Harness 能针对性生成修复。
• 该方法已被 LangChain CEO 和前 OpenAI 副总裁 Lilian Weng 关注，标志着 Agent 社区对“自进化”外层的重视。
• 影响/看点：Self-Harness 证明 Harness 本身也可被搜索、验证和迭代，为低成本提升 Agent 性能提供了新范式。

本内容由 AI 生成，仅供参考，请注意甄别