研究：harness自进化在DeepPlanning任务上收益有限
有人拿DeepPlanning这个多日旅行规划基准来讨论：harness自己改自己，到哪一步就不管用了。做agent评测的可以看看这个思路。
#harness
共 8 条 · 7 天 1 条 · 30 天 4 条 · 话题观测 →
信息流里打上「harness」标签的资讯、产品与论文，按刊登时间排，新的在上。
10月11日
Lee Robinson 在斯坦福讲解 Grok Bot 内部工作流程
Lee Robinson 把 Grok Bot 这类常驻 agent 的内部机制讲得很直白，从 harness 到 context 工程都有拆解，想搞懂 agent 怎么跑起来可以看看。
10月6日
JHU 与 CMU 论文：4B 小模型可自动改写 Agent harness 代码并泛化到新任务
JHU 和 CMU 让 4B 小模型自己改 agent 的 harness 代码，效果反超 35B 教师模型，做 agent 开发可以试试这思路。
10月4日
8月21日
8月2日
7月29日
5月29日