摘要
Meta-Harness 用 coding-agent proposer 在完整 harness 代码空间执行外层搜索，并把所有候选的代码、分数与原始轨迹保存在可查询文件系统中。论文的核心证据是：对完整历史的选择性访问比只看分数或摘要更有效；但目标模型不更新，Terminal-Bench 结果也没有独立 held-out 任务，因此它属于持久 harness optimization，而不是严格 Agentic RL 或完整 RSI。（来源：原始论文记录（本地存档），pp.2-10）
核心内容
- 在文本分类中，最终 harness 平均准确率 48.6%，ACE 为 40.9%，额外上下文分别为 11.4K 与 50.8K token；raw-trace 消融的中位/最佳搜索集准确率为 50.0%/56.7%，明显高于 scores-only 与 summary 条件。（来源：原始论文记录（本地存档），表 2-4，pp.6-7）
- 一个搜索得到的 BM25 路由 harness 在 200 个未见 IMO 级问题、5 个 held-out 模型上平均比无检索高 4.7 points；它说明可迁移对象可以是可读的检索程序，而不只是提示文本。（来源：原始论文记录（本地存档），表 6，p.8）
- Terminal-Bench 2 的 89 题同时用于搜索和最终报告，只以人工/正则泄漏审计控制过拟合；公开仓库主要提供最终 agent artifact，不是完整 Meta-Harness 搜索实现。（来源：原始论文记录（本地存档），p.9）
相关页面
- 概念：Harness Engineering、Context Engineering、Harness Optimization、Self-Improving Harness、Recursive Self-Improvement、Meta-Agent
- 实体：Meta-Harness
- 主题：LLM Agent Self-Improvement
来源
- 原始文件：原始资料（本地存档）
- alphaXiv：https://www.alphaxiv.org/abs/2603.28052
- arXiv：https://arxiv.org/abs/2603.28052
- 项目页：https://yoonholee.com/meta-harness/
- 产物仓库：https://github.com/stanford-iris-lab/meta-harness-tbench2-artifact
- 定位信息：pp.1-10、20、24-25
待核实问题
- 需要比较不同 proposer、统一搜索成本并在独立 coding test set 上复现；完整搜索代码和三类实验配置的公开程度仍待跟踪。