智能体自优化：多任务自进化Harness框架
原文标题：Self-Evolving Harness on Multiple Tasks with the Agent as Its Own Optimizer
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。
论文提出接近递归自我改进的框架：同一冻结模型在同一版本harness上先作为求解者解题，再作为提议者读取完整运行记录并直接改写harness。每批进化从五个不同领域基准抽取任务，训练与留出任务严格分离，并额外在五个分布外基准上评估。从49行种子harness出发，第一阶段在分布内提升4.48分、分布外提升12.64分，超越或追平Codex；第二阶段在Claw-Eval上从66.17提升至68.06。
- 问题
- 现有自进化harness方法用独立提议者、每个基准单独进化，难以覆盖多领域任务。
- 方法
- 同一冻结模型在同一harness版本上先当求解者再当提议者，读取完整运行记录直接改写harness，按多任务预训练与持续训练两阶段进化。
- 结果
- 从49行种子harness出发，第一阶段分布内提升4.48分、分布外提升12.64分并超越Codex；第二阶段Claw-Eval从66.17升至68.06。
- 影响
- harness可跨领域自进化且泛化到未见基准，为智能体框架的自动优化提供接近递归自我改进的路径。
深读 · 结论先行AI 生成展开看要点与影响 ↓
冻结模型自当提议者改写harness，分布外提升12.64分并追平Codex。
- •同一冻结模型同一版本harness，先当求解者再当提议者直接改写自身harness
- •每批进化从五个不同领域基准抽任务，训练与留出严格分离，另在五个分布外基准评估
- •从49行种子harness起步，第一阶段分布内+4.48分、分布外+12.64分
- •第二阶段在Claw-Eval上从66.17提升至68.06
- •框架被类比为深度学习训练：多任务预训练加持续训练两阶段
为什么重要：「同一模型自改自身运行框架」已接近递归自我改进，且泛化增益大于分布内增益，值得关注自进化智能体的评测方式。
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。