_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。
面向自进化智能体的新框架 HarnessEvolve 把执行与进化解耦，用带标准答案生成的参考轨迹对齐失败轨迹，定位首错步骤并聚类系统性问题，再编辑 prompts、skills、tools 与执行逻辑；候选改动需过泄漏/膨胀与回归门。在 CloudCoreNetwork-QA 上以 Qwen3.6-27B 跑满系统达 86.9%，去掉参考轨迹降至 57.8%，并领先最强基线 21.6 个百分点。
Cursor 官方账号（@cursor_ai）宣布 Gemini 3.8 Flash 已在 Cursor 中可用。结合 Google DeepMind 同日发布的智能体与网络安全强化叙事，以及 LMArena Agent Arena 上的明显跃升，开发者可在熟悉的 AI 编程 IDE 里直接使用这款更快更强的 Flash 档模型。
Perplexity（@perplexity_ai）宣布 Claude Fable 5.1 已向 Pro/Max 订阅用户开放于 Perplexity Computer。其 8 月 WANDR 评测以 0.601 分与约 $12.76/任务位列第一，较 Fable 5 分数高约 21%、成本低约 37%。
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