Rethinking the Evaluation of Harness Evolution for Agents

  • 类型：arxiv
  • 标识：2607.12227
  • 链接：https://arxiv.org/abs/2607.12227
  • 主分类：evaluation
  • 形态：benchmark
  • 被引：9
  • 被引来源：Semantic Scholar
  • S2被引：9
  • OpenAlex被引：0
  • 影响力被引：0
  • TLDR：An extensive evaluation of automatic harness evolution for LLM agents is conducted, comparing harness evolution with simple test-time scaling and discovery baselines under comparable feedback and inference budgets, and also evaluating evolved harnesses on held-out tasks to assess whether the discovered improvements generalize.
  • OpenAlex ID：W7168361355
  • OpenAlex DOI：10.48550/arxiv.2607.12227
  • DOI：10.48550/arxiv.2607.12227
  • DOI来源：OpenAlex
  • 开放获取：green
  • 开放获取链接：https://doi.org/10.48550/arxiv.2607.12227
  • OpenAlex更新：2026-07-19
  • 副分类：agent
  • 待LLM分类：否
  • 标题中文：Rethinking the Evaluation of Harness Evolution for Agents（重新审视 Agent 的 Harness 演化评估）
  • TLDR中文：对 LLM Agent 自动 harness 演化进行了广泛评估，在相当的反馈和推理预算下，将 harness 演化与简单的测试时扩展及发现类基线进行比较，并在留出任务上评估演化后的 harness 以判断其发现的改进是否具有泛化性。
  • 来源文件：
  • /inbox/tom/_candidates/2026-07-18-agent-rag-longcontext-candidates.json
  • [S2 enrich]
  • /inbox/tom/_candidates/2026-07-19-agent-rag-longcontext-candidates.json
  • [OpenAlex backfill]
  • /inbox/tom/_candidates/2026-07-20-agent-rag-longcontext-candidates.json
  • /inbox/tom/_candidates/2026-07-20-agent-memory-tool-use-candidates.json