UC Berkeley 论文：自改 harness 的智能体提分同时丢失已能完成的任务
做智能体的朋友可以看看这篇。它用 GPT-5.4 跑了 GEPA、HyperAgents 等 4 种进化方法，发现平均分涨了但任务可能偷偷变少、成本变高。如果你在用自动改 prompt 或 skill 的框架，这篇给出的三个评估指标很实用。
做智能体的朋友可以看看这篇。它用 GPT-5.4 跑了 GEPA、HyperAgents 等 4 种进化方法，发现平均分涨了但任务可能偷偷变少、成本变高。如果你在用自动改 prompt 或 skill 的框架，这篇给出的三个评估指标很实用。
