LoopArena：给盯 agent 干活的那个模型打分

现在人人都在拿循环跑编码 agent，但几乎没人用可测量的方式问过：循环该由谁来主持。阿里 AMAP 团队的 LoopArena 是第一个围绕这个角色建的基准：一个 Controller 模型在固定的 Worker 编码 agent 每轮迭代后读结构化进度汇报，决定下一步干什么、或者要不要收工。论文 arXiv 2608.28281，Hugging Face 每日论文榜 82 赞登顶；代码和数据在 https://github.com/AMAP-ML/LoopArena。

两个数字扎眼。所有受测 controller 里，完整任务的最好成功率：24.69%。监工一个循环比亲自下场难得多，而且这个榜单跟模型的裸编码能力几乎不相关。另一边，好的 controller 平均省掉 64.4% 的推理成本，主要靠一件事：看出一个循环已经在原地打转，及时叫停。知道什么时候停，比知道敲什么字更值钱。

这直接接上我们整月在追的 harness 主线：当 harness 成了产品，稀缺的能力就是对循环的判断力——正是大家手工看护长跑 agent 时一直在人肉干的事。有了基准，这件事就能被训练。一个季度内应该就会出现专门调过 controller 能力的模型。