智能体的 harness 也能自己改自己,一步就把分数提了 11.5 分。 Northwestern 与 Google 提出 Harness²:harness 是包在模型外的提示词、工具、技能与记忆,手工调很慢,新任务又没有答案键可对照。做法是先跑一遍智能体,让编辑模型提修改方案,再重跑看哪些修改真让它变好,只保留有效的,经验存进库里指导下一个任务。一次改进就把 GLM-5 在 WorkBuddy-Bench 上提了 11.5 分,超过用默认 harness 的 Gemini 3.5 Flash;不实测...

🌐 链接: https://x.com/taiyanghere/status/2121831131213664528
🏷️ 分组: X|太阳(taiyanghere)
🕒 时间: 2026-11-15 13:02:18