摘要
PILOT 用 supervisor-worker runtime 在长程任务执行期间观察轨迹、实时干预，并把成功经验固化为跨运行的 skill library 与 memory。冻结模型、verifier gate 和跨运行状态是其主要贡献，因此它属于持久 harness 自进化而非严格 Agentic RL。（来源：原始论文记录（本地存档），pp.2-7）
核心内容
- supervisor 与 worker 通过 live two-way channel 交互，支持 steer、abort、redirect；后续 worker 读取演化后的 harness。验证器只保留成功运行的更新，执行期间没有 reward shaping，也没有模型权重更新。（来源：原始论文记录（本地存档），pp.3-4, 7）
- 在两个 open-weight backbone 和三个 benchmark 上，PILOT 在 6 个组合中 5 个第一；20 次 Terminal-Bench 迭代使最佳 pass 提升 12.4-14.6 points，并显著降低输出 token。（来源：原始论文记录（本地存档），pp.5-7）
- 即时 live steering 只直接帮助少量运行，聚合收益不能简单归因于 supervisor 干预；异构 supervisor/worker、成本和更长时程仍待研究。（来源：原始论文记录（本地存档），p.7）
相关页面
- 概念：Harness Engineering、Self-Improving Harness、Recursive Self-Improvement、Context Engineering
- 实体：PILOT
- 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/2608.26530
- arXiv：https://arxiv.org/abs/2608.26530
- 论文列出的代码：https://github.com/XiaoYang66/Pilot
- 定位信息：pp.1-7，尤其 pp.2-5、表 1-2、图 2-3
待核实问题
- 日期核实（2026-08-28）：arXiv 的 2026-08-27 是平台提交时间，PDF 首页 “Aug 25” 是稿件标注日期；二者指向不同事件，不构成书目冲突，应分别保留。
- 代码状态核实（2026-08-28）：论文列出的
XiaoYang66/Pilot仍返回 404，尚无可验证公开实现。 - 仍待独立复现：benchmark 结果、异构 supervisor/worker 组合、完整成本和更长时程稳定性。