HarnessMM：递归自改进的 harness 优化方法

2026年10月26日，X 平台用户 Elvis Saravia（DAIR.AI）发帖介绍论文提出的 HarnessMM 方法：该方法把智能体 harness 中已经确定的决策存入可执行决策图，当守卫条件成立时直接复用这些决策，从而避免重复调用模型。该帖称，在 DeepSeek harness 上，HarnessMM 将每任务 token 消耗从 96.28k 降至 11.62k，成功率从 71.43% 提升至 85.71%。上述数字均出自该帖对论文的转述，目前尚无其他主报道或跟进报道予以独立核实，事件进展以该来源披露为准。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。