_akhaliq 分享论文 HarnessDev，探讨大模型能否自己生成并迭代智能体运行时 harness（工具编排、循环控制与执行脚手架），而不是只依赖人工写死的 Agent 框架。对编码/研究智能体如何降低 harness 工程成本、提高自改进能力有直接参考价值。
40 款主流编程套餐横向比价，支持输入/输出 Token 真实账单模拟
即刻查看该技术对应模型与主流工具的实测差异，或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。
说明：本文由 AICoder 编辑部借助 AI 工具整理撰写，依据文中注明的官方及媒体来源，并按人工制定的采编标准核对事实与数字；厂商自报的数据已标明出处。
联动天梯榜跑分、独家套餐赠金与 IDE 定制规则
大模型智能体进入陌生环境或操作新工具时，往往极度缺乏系统运维经验与环境隐性规则，导致在类似步骤中反复触礁。现有的智能体记忆系统严重依赖昂贵的人工标注指南或预先提供的基准任务与 Oracle 判定器。Illuin Technology 团队在最新研究（arXiv:2610.08048）中开源了全新无监督记忆自演进框架 DAEDALUS。DAEDALUS 独创“探索者（Explorer）与解答者（Solver）”双智能体自博弈范式：Explorer 自主在沙箱环境中挖掘有挑战性但可解的新任务；Solver 尝试解题并在遭遇失败时提炼启发式规则（Heuristics）；只有当该规则在后续重试中持续带来确定性成功时，系统才会将其持久化写入记忆库。在 AppWorld、tau^2-bench 和 AutomationBench 三大高难度真实环境基准中，DAEDALUS 在零人工干预下将任务平均成功率最高提升 15.9 个百分点，Pass^5 成功率实现 2.2 倍翻倍提升，且提炼出的记忆规则具备出色的跨模型家族通用迁移能力。
包裹在图形界面大模型（GUI Models）外部的可执行测试与运行框架（Agent Harness），负责掌控从多模态观测组装、动作空间解析，到异常恢复、校验重试与终态停止的全部控制中枢。然而，在底座多模态权重保持冻结的前提下，如何自动优化这一外层 Harness 长期面临三大咬合难题：如何将抽象意图与界面真实前后视觉跳变精确挂钩、如何在充满随机波动的执行中精准归因故障、以及如何将多任务中沉淀的失败模式转化为确定性的代码级修正。来自浙江大学与新加坡国立大学等机构的研究团队提出了全自动 Harness 进化框架 GUI-HARVEST（arXiv:2610.00948）。GUI-HARVEST 创造性地将模型动作与前后截图的界面转移动态对齐，把同一任务的多轮重复运行作为联合证据单元，将验证过的复发失败模式自动映射为对 Harness Python 源码的有界代码编辑。在 OSWorld-Verified 评测中，GUI-HARVEST 驱动各大主流模型全面爆发，Qwen3-VL-32B-Instruct 性能暴涨 12.33 个百分点；更为震撼的是，在 OSWorld 上进化出的冻结 Harness 零样本迁移至 WindowsAgentArena 时，直接让 GPT-5 在 50 步任务中的完成率暴涨 13.87 个百分点。代码已在 GitHub 全面开源（github.com/GaryYang12345/GUI-HARVEST）。
微软发布 Visual Studio Code 1.143：基于 Copilot SDK 的 Copilot harness 成为新会话默认，可在编辑器和 Agents 窗口间切换；Agents 窗口新增 Compare Models 预览，可让多个模型并行做同一任务并由 Judge 模型打分；实验性支持在本地 NVIDIA GPU 上运行 MAI Code 1.1 Flash，大型对话打开速度也显著提升。
近 14 天全网开发者深度交互与阅读热度
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察