复杂的Harness Evolution，甚至不如多跑几遍（在新窗口打开）
论文标题：Rethinking the Evaluation of Harness Evolution for Agents论文链接：https://arxiv.org/abs/2607.12227代码：https://github.com/rethinking-harness-evolution 博客：https://yikee.github.io/harnessevolution/ 一个 Agent 第一次没把任务做对。 接下来，你有五份额外的推理预算，可以有很多种花法。 你可以让它把同一道题重新做几遍，从多个结果里挑最好的；可以把上一次失败的过程交给它，让它接着修；也可以做一件听起来更