Rohan Paul

斯坦福新论文发现：改 harness 能修好会循环或卡住的智能体；而交付糟糕计划的智能体，则需要权重训练。 智能体可以通过编辑 harness（模型外围的提示、工具与检查）来改进，也可以通过微调权重来改进。 他们把失败运行分成过程失败（如循环、步数预算用尽）和内容失败（交付了差计划）。在旅行规划基准上，一个由 LLM 驱动的循环改写 harness，其最佳运行再微调模型。 Harness 进化把 Qwen3.5-4B 在留出任务上从 0.16 提到 0.30，计划交付率从 55% 升到 90%。Harness 编辑从未缩小差计划占比，但 LoRA 适配器把 Qwen3.5-9B 留出运行中差计划占比从 28% 降到 5%。 改进智能体之前，先标注失败原因：过程失败改 harness，内容失败改权重。