摘要
Nenya 用 Evidence-Gated Recursion 在硬证据通过后保留并复用 harness 改动。论文给出 12 代 agent engine、AppWorld 检查器、HORIZON rebuild、跨模型 memory 和数学验证的多层实验；它证明的是持久 harness 自进化，不是模型参数上的严格 Agentic RL。（来源：原始资料（本地存档））
核心内容
- 三天 AI-run research 共报告 3,230,847 次 Claude Opus 5.5 调用和 292 个 worktrees；规模、成绩与 325 项数学记录均为作者报告。（来源：原始资料（本地存档），pp. 1-3、43-55）
- AppWorld never-seen failure catch 从 7.3% 提升到 95.6%；12 代 engine 在七个 held-out ALE-Bench families 上，以 Haiku 4.5 得到 1779-1894，ACE 为 1709。（来源：原始资料（本地存档），pp. 12-26）
- 跨模型 memory 在 hour 36 一度比 bare 低 0.14，说明“写入并复用”不天然有益；到 hour 42 两个 reader 才都超过 bare。（来源：原始资料（本地存档），pp. 35-42）
- 无 policy weight update、RL objective 或 learned harness；因此不是严格 Agentic RL。经过 gate 的 harness 产物可跨代保留，达到“持久 harness 自进化”，但未证明模型-harness/environment co-evolution 或独立 improver recursion。（来源：原始资料（本地存档），pp. 7-8、56-57）
相关页面
- 概念：Harness Engineering、Self-Improving Harness、Recursive Self-Improvement
- 实体：Nenya
- 主题：LLM Agent Self-Improvement、Agent Harness 与 Agentic RL 开源生态
来源
- 原始文件：原始资料（本地存档）
- 定位信息：pp. 1-8、12-57；AppWorld、ALE-Bench、HORIZON、cross-model memory 与 performance take-home sections。
待核实问题
- 需在独立模型供应商、固定 evaluator 和直接 CUA 环境中复现收益，并拆分多项同时改动的因果贡献。