主要来源arXiv cs.AI
查看原文事件专题 ·多源确认
EvoX 论文提出把 Agent Harness 视作运行时策略
arXiv 论文 2611.15006 提出 EvoX，一个基于 Rust 的多模型 Agent 运行时，核心思想是把 harness 看作补充模型语义策略的运行时操作策略（The Second Policy）。在 5 个基准、6 个基础模型、6 个 agent harness 共 691 个任务-模型对的评测中，EvoX 取得 56.2% 的最高成功率，比其余 5 个 harness 的平均成绩高约 3.0 个百分点。其机制由三部分组成：Action Realization（解决工具调用不匹配）、Execution Continuity（维持被中断的工作流）、Outcome Grounding（防止无依据的完成声明），全程不依赖记忆、进化或扩展插件。论文同时发布 Contrast 评测框架，通过显式公平约束、请求来源验证和基于证据的裁定来避免压制各 harness 的原生行为。在 GLM-5.3 上 EvoX 高出 10.7 个百分点、Kimi K3 上高出 7.9 个百分点，说明 harness 层面的执行控制对不同模型的效果差异显著。
当前结论
一篇关于 agent 工程的硬核论文：EvoX 用 Rust 写的运行时层去管住模型落地时的工具调用、中断恢复和结果校验，不靠记忆和插件就拿到 691 组测试里 56.2% 的成功率。做 agent 框架或工程化落地的开发者建议看看它对 GLM-5.3 和 Kimi K3 提升最大的原因。
7 个信源41° AI 热度最后更新 2026/11/11 04:05:54
证据链
7 个信源冲突核查
现有去重数据只说明这些来源讨论同一事件，不代表立场相同。当前没有结构化的支持或反驳证据，不自动推断冲突。