摘要
Self-Harness 是让固定模型从自身失败证据中提出、回归验证并保留模型专用 harness 改动的研究方法。
核心内容
基本信息
- 实体类别：Self-improving agent harness 论文与研究实现。
- 关键名称或版本：arXiv:2606.09498v3。
- 时间范围：首次公开于 2026-06-08；v3 修订于 2026-08-20。
重要事实
- 同一固定模型既执行任务又充当 proposer；候选必须由 verifier-grounded failure pattern 驱动，并通过双 split non-regression gate。（来源：Self-Harness: Harnesses That Improve Themselves，pp.6-9）
- 九个 model-benchmark 组合的最终 harness 均高于最小初始 harness，但 promotion 已使用所谓 held-out split，仍缺完全未参与选择的 final test。（来源：Self-Harness: Harnesses That Improve Themselves，表 1，p.11）
关系与影响
Self-Harness 是 Self-Improving Harness 中“弱点挖掘、最小提案、回归接受”的直接实现，也是持久 Recursive Self-Improvement 的 harness 层例子。
分歧与变化
论文从 v1 更新到 v3；公开仓库和实验协议仍待第三方复现。
相关页面
- 概念：Harness Engineering、Harness Optimization、Self-Improving Harness、Recursive Self-Improvement、Agent Failure Localization
- 实体：Meta-Harness、Agentic Harness Engineering
- 主题：LLM Agent Self-Improvement
来源
待核实问题
- 使用独立 final test、更多种子和强基线后，九个设置的收益能否保持。