EVOHARNESSBENCH: Can Your Agents Keep Pace with an Evolving Harness?

• 类型：arxiv
• 标识：2609.04280
• 链接：https://arxiv.org/abs/2609.04280
• 主分类：evaluation
• 形态：benchmark
• 被引：4
• 被引来源：Semantic Scholar
• S2被引：4
• OpenAlex被引：0
• 影响力被引：0
• TLDR：EvoHarnessBench is introduced, a benchmark for evaluating agents under controlled harness evolution across three axes (tools, skills, and agents), and establishes harness evolution as a distinct challenge for building agents that can keep pace with an evolving harness while preserving previously effective behavior.
• OpenAlex ID：W7211901482
• OpenAlex DOI：10.48550/arxiv.2609.04280
• DOI：10.48550/arxiv.2609.04280
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2609.04280
• OpenAlex更新：2026-09-11
• 副分类：agent
• 待LLM分类：否
• 标题中文：EVOHARNESSBENCH：你的 Agent 能否跟上不断演进的 Harness？
• TLDR中文：提出 EvoHarnessBench，一个在工具、技能与 Agent 三个维度上对可控 harness 演化条件下的 Agent 进行评测的 benchmark，并将 harness 演化确立为一项独立挑战：Agent 需要在持续演化的 harness 下保持原有有效行为
• 来源文件：
• /inbox/tom/_candidates/2026-09-10-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]