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。
通义千问团队提出 Terminal-Universe：把终端/代码 Agent 轨迹经确定性回放与补全 Agent 重建为可复用可执行工作区，再沿广度（跨仓库）与深度（多轮用户）合成新任务并配可执行校验。基于公开轨迹产出约 3.73 万任务充分环境与约 3.2 万条 SFT 演示；对 Qwen3.5-27B 做监督微调后，Terminal-Bench 2.1 提升 11.9 分，EvoCode-Bench v2 MT@4 提升 13.8 分，显著优于直接模仿原始轨迹。
LatentPress 提出第三种上下文载体：连续 memory tokens。小 writer（约 4.2M–26.2M 参数适配器，约等于解码器 0.1%）把对话史与长文档压成 4–16×，冻结 decoder 经输入嵌入接口直接读取，推理时无需重建文本。LongMemEval 上 7.70× 压缩准确率 0.504，高于未压缩证据 0.490，并明显优于文本摘要与 OCR 压缩；写入约 43ms/会话，读取比原始上下文快 5–9×，利于长上下文智能体记忆。
_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。
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