arXiv 论文：Agent Harness Awareness 提升工具调用可靠性
原文标题：Agent Harness Awareness: Turning Verified Telemetry into Operational Control for Tool-Using Agents
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文指出工具描述无法告知智能体该动作当前是否健康可用，形成「运行盲区」。作者提出 Agent Harness Awareness 架构，由宿主在关键动作前提供新鲜、经校验的状态快照。在 GPT-5.6 Sol、Claude Sonnet 5、Gemini 3.7 Flash 的 216 次决策消融中，可观测策略后悔降低 96.9%，单次派发完成率从 69.4% 升至 95.8%。
- 问题
- 工具描述不反映动作当前是否健康可用，智能体存在运行盲区。
- 方法
- Agent Harness Awareness：宿主在关键动作前提供新鲜、经校验的状态快照，同时保留测量、执行与派发权限。
- 结果
- 216 次决策消融中可观测策略后悔降低 96.9%（4252ms 降至 131ms），单次派发完成率从 69.4% 升至 95.8%。
- 影响
- 为工具调用可靠性提供可复用的架构模式，做 Agent 基础设施的团队可直接借鉴。
深读 · 结论先行AI 生成展开看要点与影响 ↓
宿主提供校验状态快照后，单次派发完成率从69.4%升至95.8%
- •提出「运行盲区」：工具描述说明能做什么，但不说明该动作当前是否健康可用
- •Agent Harness Awareness采用信任分离设计，宿主在关键动作前提供新鲜、经校验的状态快照
- •216次决策消融覆盖GPT-5.6 Sol、Claude Sonnet 5、Gemini 3.7 Flash，可观测策略后悔降低96.9%（4252ms降至131ms）
- •27次端到端复现中注入TCP/HTTP故障，后悔从8956ms降至0ms，9/9模型-故障组合完成动作，对照组为5/9
为什么重要：说明工具调用的可靠性瓶颈可能不在模型能力而在运行状态可见性，对智能体框架与工具路由设计有直接影响。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。