Clauday.

harness 进化有个很贵的习惯：看一次失败的运行，判定是 harness 的错，打个补丁，然后重复。arXiv 2609.11677，9 月 10 日投稿的 Ecdysis 主张，这种逐实例的循环既慢又错，提出应该一次看一整批失败。训练比现有 harness 进化方法快 1.84 倍，产出的 harness 推理准确率高 18.56%。https://a…

一个多 agent 系统给出了烂答案，是哪个 agent 干的？文本梯度这一类方法，就是把写出来的批评意见沿着 prompt 链反传的那类，基本上靠猜。AgentGrad 在 HuggingFace 论文页拿了 73 票，直接把这一点点名为核心缺陷，然后用一个朴素到有点尴尬的办法解决：一次只改一个 agent，看会发生什么。 他们管这叫序贯干预，本质是因果…

Show-Harness 在 HuggingFace 论文页拿到 125 票，当天第一，标题本身就是冲着整个 vision-language-action 领域去的：一个 VLM agent 就能玩机器人。不用针对具体形体的预训练，不用 VLA 模型，不用遥操作台。它的主张是，基座模型在机器人上表现差，是因为我们一直递给它错的接口。 设计是离散语义动作单元…

Mastra 这个从 Gatsby 出来、又走过 Y Combinator 的团队，昨天以 405 票拿下 Product Hunt 第一，产品叫 Mastra Factory。官方定位是开源的、由 agent 驱动的软件交付环境，说人话就是一个简单主张：工作的单位是一个 issue，而接手它的不是你。 它实际打包了什么：常驻的编码 agent、仓库工作区…

harness 这条线的下一章来了，来源出人意料——一个直播带货平台。淘宝直播的 TaoLive 团队发了一份技术报告，讲 Harness-Aware Training：不把 harness 当固定脚手架，而是训练小模型在 harness 不断变化的情况下保持稳定。论文在 https://arxiv.org/abs/2608.15763，Hugging Fa…

harness 这条线迎来了逻辑上的下一章。新加坡国立大学的团队发布了 JIT-Agent，一个被训练来干一件元层面事情的模型：即时生成 agent 的 harness 本身，为眼前的任务量身定制。记忆管理、规划策略、行动协议、工具编排——所有目前靠人手按任务设计的部分——被形式化成可组合、可机器生成的构件，收在一个固定的四模块协议之下。 数字就是论点。套…

harness 这个词在这个站上已经念叨了好几个月，但一直没人把它到底指什么说明白。Earendil，就是做开源 Pi 编码 agent 的那个小团队，用一句最干净的话补上了这个洞：agent 等于 model 加 harness。模型是那颗光秃秃的大脑，harness 是它住进去的那层软件——而这层软件，恰恰是几乎没人聊、但所有人都在依赖的部分。 他们把…

本周最重要的 AI 数字不是来自哪个新模型，而是来自英伟达的一个实验。研究人员给 Claude Opus 5 套上一个定制 harness——带完善的记忆管理，外加一个类似监工的 supervisor 组件——在 ARC-AGI-3 上跑出了 100%。这个基准是让模型在零说明的情况下自己摸索 2D 游戏怎么玩、怎么赢。同一个模型不带 harness 呢？3…

给 agent 模型做 RL 训练的标准做法：把部署用的 harness 拆掉，在无菌循环里训裸模型，训完再把 harness 装回去，祈祷能力能迁移过来。微软研究院团队的 Agent Lightning v1.0 说这套流程是反的。他们的词叫 harnessed agentic RL：部署时管工具、上下文、控制流的那个 harness，直接参与后训练。你训…

如果你试过把 Codex、Claude Code 和 Hermes 塞到同一个产品界面后面，你知道那笔税有多贵。每个 harness 有自己的会话模型、自己的流式格式、自己的文件和产物处理方式、自己对"取消"的理解，以及自己那一套跑到一半挂掉的姿势。HarnessRouter Community Edition 这周由 YC 背景的团队按 Apache 2.…