Harness Evolution Ceiling Study

摘要

该研究按轨迹失败组成选择 harness evolution 或监督式 weight training，并在 DeepPlanning 与 WebArena-Lite 上交叉测量两类 intervention 是否可替代。（来源：papers—2610.11655-Harness-Evolution-Ceiling）

核心内容

基本信息

• 实体类别：harness evolution / trajectory fine-tuning study
• 关键名称或版本：arXiv:2610.11655v1
• 时间范围：2026-10-08

重要事实

• harness loop 用 fresh anchor、固定退化阈值、候选 rollback 条件和 held-out split 接受持久修改。（来源：papers—2610.11655-Harness-Evolution-Ceiling）
• 权重阶段是 evolved-harness trajectory SFT/LoRA，不是 reward-driven policy optimization。（综合：papers—2610.11655-Harness-Evolution-Ceiling）

关系与影响

把 Self-Improving Harness 的失败分类与 Computer-Use Agent 的 browser-use 环境连接起来。

分歧与变化

无。

相关页面

• 概念：Harness Engineering、Self-Improving Harness、Recursive Self-Improvement
• 实体：无
• 主题：Browser and Computer-Use Agents、LLM Agent Self-Improvement

来源

• papers—2610.11655-Harness-Evolution-Ceiling

待核实问题

• 代码、轨迹、跨夜结果与匹配预算基线待独立复现。